代价敏感的局部判别嵌入人脸识别算法.pdf

《代价敏感的局部判别嵌入人脸识别算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷第7期计算机辅助设计与图形学学报Vb1．27NO．72015年7月JournalofComputer-AidedDesign&ComputerGraphicsJul’2O15代价敏感的局部判别嵌入人脸识别算法杨萌¨，马小虎，，张哲来)’(苏州大学计算机科学与技术学院苏州215006)(南京大学计算机软件新技术国家重点实验室南京210023)(xhma@suda．edu．cn)摘要：局部判别嵌入算法寻求最高的正确识别率时假设所有的错误分类具有相同的错分代价，然而这个假设在现实的人脸识别系统中往往是不成立的，因为不同的错误分类将会导致不同的错分代价．为此，提出一种代价敏感的局部判别嵌入算

2、法．首先通过构造代价矩阵将代价敏感理念融入到特征提取阶段，以提高算法判别不同错误分类的能力；然后最大化异类近邻样本点之间的错分代价，同时最小化同类近邻样本点之间的距离；最后利用迭代算法求得最佳的正交投影向量，以更好地维持数据的度量架构．在Yale，ORL，AR和ExtendedYaleB人脸数据库上的实验结果表明，文中算法是有效的．关键词：人脸识别；局部判别嵌入；代价敏感；特征提取中图法分类号：TP391．4Cost—sensitiveLocalDiscriminantEmbeddingforFaceRecognitionYangMengnMaXiaohu，，andZhangZhelai)，

3、(SchoolofComputerScienceandTechnology,SoochowUniversity,Suzhou215006)(StateKeyLaboratoryforNovelSoftwareTechnology,NamingUniversity,Naming210023)Abstract：Localdiscriminantembeddingattemptstoachievehighrecognitionaccuracy,implicitlyassumingthatallmisclassificationsleadtothesamelosses．Thisassumption，

4、however，maynotholdinthepracticalfacerecognitionsystems，becausethelossesofdifferentmistakesmaybedifferent．Motivatedbythiscon—cern，anewapproachcalledcost—sensitivelocaldiscriminantembeddingisproposedinthispaper．Firstlythefeatureextractionphaseutilizesthecost·-sensitivelearningtechniquewhichhelpsanaly

5、sisdifferentmisclas--sificationsbyconstructingthecostmatrix．Thenwemaximizethecostsofmisclassilyingtheneighboringpointsofthedifferentclassandminimizethedistancesofneighboringpointsofthesameclasssimultane—ously．Finallyweobtaintheoptimalorthogonalvectorswhichhelpmaintainthemetricstructurebyutilizingan

6、iterativealgorithm．TheextensiveexperimentsonthefacedatabaseYale，ORL，ARandExtendedYaleBdemonstratetheeffectivenessoftheproposedalgorithm．Keywords：facerecognition；localdiscriminantembedding；cost-sensitive；cost·-sensitive人脸识别由于其广泛的应用前景，一直以来了巨大的挑战，寻求行之有效的数据降维方法是都是计算机视觉和模式识别领域重要研究课题之研究的重点．主成分分析(principa

7、lcomponent一．但是原始数据的过高维数给计算和分析带来analysis，PCA)[1]和线性判别分析(1ineardiscrimi一收稿日期：2014—04—16；修回日期：2014—07-28．基金项目：江苏省自然科学基金(BK20141195)；南京大学计算机软件新技术国家重点实验室资助项N(KFKT2014B11)．杨萌(1990-)，男，硕士研究生，主要研究方向为模式识别、图像处理；马小虎(1