基于改进的Fisher准则的多示例学习视频人脸识别算法
视频环境下目标的姿态变化使得人脸关键帧难以准确定位, 导致基于关键帧标识的视频人脸识别方法的识别率偏低.为解决上述问题, 本文提出一种基于Fisher加权准则的多示例学习视频人脸识别算法.该算法将视频人脸识别视为一个多示例问题, 将视频中归一化后的人脸帧图像作为视频包中的示例, 采用分块TPLBP级联直方图作为示例纹理特征, 示例特征的权值通过改进的Fisher准则获得.在训练集合的示例特征空间中, 采用多示例学习算法生成分类器, 进而实现对测试视频的分类及预测.通过在Honda/UCSD视频库和Youtube Face数据库中的相关实验, 该算法达到了较高的识别精度, 从而验证了算法的有效性.同时, 该方法对均匀光照变化、姿态变化等具有良好的鲁棒性.
视频人脸识别、局部二值模式、多示例学习、Fisher准则
44
国家青年科学基金61305046,61602203;吉林省优秀青年人才基金20180520020JH
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
2179-2187