多核支持向量域描述在基于图像集合匹配的人脸识别中的应用

摘要：

目的 图像集匹配是当前模式识别领域研究的一个热点,其核心问题是如何对图像集合建模并度量两个模型的相似性,为此提出一种基于支持向量域描述的人脸识别的方法.方法 支持向量域描述是一种基于支持向量机学习的数据描述方法,可以用于图像集合建模,但是单一的核函数不能准确地描述具有多中心分布的数据.本文通过多核学习扩展了支持向量域描述,提高其对多中心分布数据的表达能力.进一步借助与位置相关的方法对样本动态加权,解决全局权重参数所带来的问题.结果 在公开的基于集合的人脸识别数据库上进行测试,在Honda/UCSD、CMU MoBo和YouTube数据库上,本文方法的识别率分别达到100％、98.72％和62.34％.结论 实验结果表明,在光照条件受控制的监控环境中,本文方法是有效的,并取得了优于其他基于集合匹配的人脸识别算法.

关键词：集合匹配、模式识别、人脸识别、支持向量域描述、距离度量、多核学习

所属期刊栏目：21

分类号：TP309.2(计算技术、计算机技术)

资助基金：广东省自然科学基金项目2015A030313807;Natural Science Foundation of Guangdong Province,China2015A030313807

在线出版日期：2016-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1021-1027