资源描述：
《基于神经网络集成的多视角人脸识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、第38卷第10期计算机研究与发展VOl38,NO102001年10月JOURNALOFCOMPUTERRESEARCH8DEVELOPMENTOct.2001基于神经网络集成的多视角人脸识别周志华皇甫杰@张宏江陈祖翰@(南京大学计算机软件新技术国家重点实验室南京210093>@(卡内基梅隆大学电子与计算机工程系匹兹堡美国>(微软中国研究院北京100080>(zhOuzh@nju.edu.cn>摘要人脸在图像深度方向上发生偏转时,即使同一对象的人脸图像也会发生极大的变化.在此,将神经网络集成应用于多视角人脸
2、识别,所用的人脸特征通过多视角特征脸分析获得.为每一视角的特征空间各训练一个神经网络,并利用另一个神经网络对其进行结合.利用训练好的神经网络集成进行识别时不仅不需进行偏转角度估计预处理,而且还可以在给出识别结果的同时给出角度估计信息.实验结果表明,该方法的识别精度高于根据精确的偏转角度估计信息挑选最佳单一神经网络所能达到的效果.关键词神经网络,人脸识别,神经网络集成,特征脸,多视角中图法分类号TP18VIEW-INVARIANTFAEREOGNITIONBASEDONNEURALNETWORENSEMBL
3、E@@ZHOUZhi-Hua,HUANGFuJie,ZHANGHOng-Jiang,andCHENTsuhan(NCtz0nClLCb07Ct07yf07N0uelS0ftUC7eTeChn0l0gy,NCnjzngUnzue7Szty,NCnjzng210093>@(EleCt7zCClCncC0mpute7Engznee7zngepC7tment,CC7negzeMell0nUnzue7Szty,PzttSbu7gh,PA,USA>(MzC70S0ftReSeC7ChChznC,Bezjzng1000
4、80>AbstractWhenhumanfacesrOtateinimagedepth,eVenthefacesOfthesamepersOnappearWithgreatVariances.Inthispaper,neuralnetWOrkensembleisappliedtOVieW-inVariantfacerecOgnitiOn.ThefacialfeaturesusedareeXtractedthrOughVieW-specificeigenfaceanalysis.SeVeralneuraln
5、etWOrksaretrained,eachfOraneigenspaceOfdifferentVieWs,andtheirresultsarecOmbinedWithanOtherneuralnetWOrk.Aftertheensembleistrained,VieWestimatiOnisnOtreguiredfOrrecOgnitiOn.MOreOVer,WhenneWfacesarefed,theensembleWillnOtOnlygiVetherecOgnitiOnresultbutalsOp
6、resentanestimatedVieWinfOrmatiOn.EXperimentalresultsshOWthattherecOgnitiOnaccuracyOftheprOpOsedapprOachisbetterthanthatOfthebestindiVidualneuralnetWOrkselectedaccOrdingtOtheinfOrmatiOnprOVidedbyanaccuratefrOnt-endVieWestimatiOnprOcess.eywordsneuralnetWOrk
7、s,facerecOgnitiOn,neuralnetWOrkensemble,eigenface,VieW-inVariant原稿收到日期:2000-07-13;修改稿收到日期:2001-07-10本课题得到江苏省自然科学基金资助(BK2001406>本文工作在微软中国研究院完成10期周志华等:基于神经网络集成的多视角人脸识别1205转角度的物体[9].但研究表明.使用多个特征空间可以取得更好的效果[10]1引言.有鉴于此.我们按照Pentlanc等人的方法[10]建立了多视角特征空间.即为每一个近20
8、年来.很多研究者对人脸识别进行了深入视角建立一个优化基向量集.即特征脸集.如图1的研究.并提出了很多有效的方法[1]所示..其中神经网络技术得到了广泛的应用.并被认为是一种优于非连接主义方法的较好的选择[2].因此.把神经网络领域的最新成果应用于人脸识别.将会极大地促进后者的发展.自从Hansen和Salamon[3]提出神经网络集成(neuralnetworkensembleD之后.该技术已被成功地应用于很多领域中.如手写体
