DCTandxianxinghuigui.zip_姿态_图像分类回归_模式识别(视觉/语音等)

<html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta charset="utf-8"> <meta name="generator" content="pdf2htmlEX"> <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"> <link rel="stylesheet" href="https://static.pudn.com/base/css/base.min.css"> <link rel="stylesheet" href="https://static.pudn.com/base/css/fancy.min.css"> <link rel="stylesheet" href="https://static.pudn.com/prod/directory_preview_static/625de3d4131e9f3c1e0405cd/raw.css"> <script src="https://static.pudn.com/base/js/compatibility.min.js"></script> <script src="https://static.pudn.com/base/js/pdf2htmlEX.min.js"></script> <script> try{ pdf2htmlEX.defaultViewer = new pdf2htmlEX.Viewer({}); }catch(e){} </script> <title></title> </head> <body> <div id="sidebar" style="display: none"> <div id="outline"> </div> </div> <div id="pf1" class="pf w0 h0" data-page-no="1"><div class="pc pc1 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/625de3d4131e9f3c1e0405cd/bg1.jpg"><div class="t m0 x1 h2 y1 ff1 fs0 fc0 sc0 ls0 ws0">　　收稿日期： ２０１１唱０７唱２６； 修回日期： ２０１１唱０８唱２９　　基金项目： 国家自然科学基金资助项目（６０９７５００１，６１１７２１２１） ；天津市应用基础与前沿</div><div class="t m0 x1 h2 y2 ff3 fs0 fc0 sc0 ls0 ws0">技术项目（１０ＪＣＹＢＪＣ０７７００） ；国家教育部博士点基金资助项目 （２００９００３２１１００２８） ；国家教育部新世纪优秀人才支持计划项目（ ＮＣＥＴ唱１０唱０６２０）</div><div class="t m0 x2 h2 y3 ff2 fs0 fc0 sc0 ls0 ws0">作者简介： 何林（１９８７唱） ，男，四川南充人，硕士研究生，主要研究 方 向为图像处理、模 式识别（ ｈｅｌｉｎ ＠ｔｊｕ．ｅｄｕ．ｃｎ）；潘静 （ １９７８唱） ， 女，讲师，硕</div><div class="t m0 x1 h2 y4 ff3 fs0 fc0 sc0 ls0 ws0">士，主要研究方向为计算机视觉；庞彦伟（１９７６唱） ，男，副教授，博士，主要研究方向为图像处理、模式识别、机器学习等．</div><div class="t m0 x3 h3 y5 ff2 fs1 fc0 sc0 ls0 ws0">基 于 ＤＣＴ 和 线 性 回 归 的 人 脸 识 别</div><div class="t m0 x4 h4 y6 ff1 fs2 fc0 sc0 ls0 ws0">倡</div><div class="t m0 x5 h5 y7 ff6 fs2 fc0 sc0 ls0 ws0">何　林</div><div class="t m0 x6 h6 y8 ff1 fs3 fc0 sc0 ls0 ws0">１</div><div class="t m0 x7 h5 y7 ff1 fs2 fc0 sc0 ls0 ws0">， 潘　静</div><div class="t m0 x8 h6 y8 ff1 fs3 fc0 sc0 ls0 ws0">２</div><div class="t m0 x9 h5 y7 ff1 fs2 fc0 sc0 ls0 ws0">， 庞彦伟</div><div class="t m0 xa h6 y8 ff1 fs3 fc0 sc0 ls0 ws0">１</div><div class="t m0 xb h7 y9 ff1 fs4 fc0 sc0 ls0 ws0">（１．天津大学 电子信息工程学院，天津 ３０００７２； ２．天津职业技术师范大学 电子工程学院， 天津 ３００２２２）</div><div class="t m0 xc h7 ya ff2 fs4 fc0 sc0 ls0 ws0">摘　要： 由于人脸图像常常因光照、姿态、表情变化及遮挡等因素的影响而具有非线性结构，在空间域直接使用</div><div class="t m0 xc h7 yb ff3 fs4 fc0 sc0 ls0 ws0">线性方法就有其局限性。 为此，提出了一种基于离散余弦变换和线性回归分类的人脸识别方法：通过离散余弦</div><div class="t m0 xc h7 yc ff3 fs4 fc0 sc0 ls0 ws0">变换获取人脸图像的变换域特征，以减小光照、姿态变化等影响，然后再利用快速有效的线性回归方法得到识别</div><div class="t m0 xc h7 yd ff3 fs4 fc0 sc0 ls0 ws0">结果。 通过在几个常用人脸数据库上的测试结果表明，该方法在满足实时性的同时，能有效地增强面对这些问</div><div class="t m0 xc h7 ye ff3 fs4 fc0 sc0 ls0 ws0">题的鲁棒性。</div><div class="t m0 xc h7 yf ff2 fs4 fc0 sc0 ls0 ws0">关键词： 人脸识别； 线性回归； 离散余弦变换</div><div class="t m0 xc h8 y10 ff2 fs4 fc0 sc0 ls0 ws0">中图分类号： ＴＰ３９１　　　文献标志码： Ａ　　　文章编号： １００１唱３６９５（２０１２）０３唱１１２３唱０４</div><div class="t m0 xc h9 y11 ff4 fs4 fc0 sc0 ls0 ws0">ｄｏｉ：１０．３９６９ ／ｊ．ｉｓｓｎ．１００１唱３６９５．２０１２．０３．０８８</div><div class="t m0 xd ha y12 ff4 fs5 fc0 sc0 ls0 ws0">Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｂａｓｅｄ ｏｎ ＤＣＴ ａｎｄ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ</div><div class="t m0 x5 hb y13 ff4 fs4 fc0 sc0 ls0 ws0">ＨＥ Ｌｉｎ</div><div class="t m0 xe hc y14 ff1 fs6 fc0 sc0 ls0 ws0">１</div><div class="t m0 xf h9 y13 ff1 fs4 fc0 sc0 ls0 ws0">， ＰＡＮ Ｊｉｎｇ</div><div class="t m0 x10 hc y14 ff1 fs6 fc0 sc0 ls0 ws0">２</div><div class="t m0 x11 h9 y13 ff1 fs4 fc0 sc0 ls0 ws0">， ＰＡＮＧ Ｙａｎ唱ｗｅｉ</div><div class="t m0 x12 hc y14 ff1 fs6 fc0 sc0 ls0 ws0">１</div><div class="t m0 xc hd y15 ff1 fs0 fc0 sc0 ls0 ws0">（１．Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ＆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｔｉａｎｊｉｎ Ｕｎｉｖｅｒｓｉｔｙ， Ｔｉａｎｊｉｎ ３０００７２， Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｔｉａｎｊｉｎ</div><div class="t m0 xc hd y16 ff7 fs0 fc0 sc0 ls0 ws0">Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ ＆ Ｅｄｕｃａｔｉｏｎ， Ｔｉａｎｊｉｎ ３００２２２， Ｃｈｉｎａ）</div><div class="t m0 xc h9 y17 ff8 fs4 fc0 sc0 ls0 ws0">Ａｂｓｔｒａｃｔ： Ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｗａｓ ｌｉｍｉｔｅｄ ｗｈｅｎ ｌｉｎｅａｒ ｍｅｔｈｏｄｓ ｗｅｒｅ ｕｓｅｄ ｄｉｒｅｃｔｌｙ ｉｎ ｓｐａｔｉａｌ ｄｏｍａｉｎ ｂｅｃａｕｓｅ</div><div class="t m0 xc h9 y18 ff4 fs4 fc0 sc0 ls0 ws0">ｆａｃｅ ｉｍａｇｅｓ ｏｗｎ ｎｏｎｌｉｎｅａｒ ｓｔｒｕｃｔｕｒｅ ｗｈｅｎ ｉｎｆｌｕｅｎｃｅｄ ｂｙ ｖａｒｉａｔｉｏｎｓ ｉｎ ｉｌｌｕｍｉｎａｔｉｏｎ， ｐｏｓｅ， ｅｘｐｒｅｓｓｉｏｎ， ａｎｄ ｏｃｃｌｕｓｉｏｎ．Ｔｏ ｏｖｅｒ唱</div><div class="t m0 xc h9 y19 ff4 fs4 fc0 sc0 ls0 ws0">ｃｏｍｅ ｔｈｅ ｐｒｏｂｌｅｍ， ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｄ ａ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｄｉｓｃｒｅｔｅ ｃｏｓｉｎｅ ｔｒａｎｓｆｏｒｍ ａｎｄ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｆｏｒ ｆａｃｅ</div><div class="t m0 xc h9 y1a ff4 fs4 fc0 sc0 ls0 ws0">ｒｅｃｏｇｎｉｔｉｏｎ．Ｆｉｒｓｔ ｉｔ ｇｏｔ ｔｈｅ ｆｅａｔｕｒｅｓ ｉｎ ｔｒａｎｓｆｏｒｍ ｄｏｍａｉｎ ｔｈｒｏｕｇｈ ｄｉｓｃｒｅｔｅ ｃｏｓｉｎｅ ｔｒａｎｓｆｏｒｍ， ｗｈｉｃｈ ｐｕｒｐｏｓｅ ｗａｓ ｔｏ ｄｅｃｒｅａｓｅ ｔｈｅ</div><div class="t m0 xc h9 y1b ff4 fs4 fc0 sc0 ls0 ws0">ｅｆｆｅｃｔ ｏｆ ｖａｒｉａｔｉｏｎｓ ｉｎ ｉｌｌｕｍｉｎａｔｉｏｎ， ｐｏｓｅ ａｎｄ ｓｏ ｏｎ，ａｎｄ ｅｍｐｌｏｙｅｄ ｔｈｅｎ ｔｈｅ ｆａｓｔ ａｎｄ ｅｆｆｉｃｉｅｎｔ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ｍｅｔｈｏｄ ｔｏ ｐｒｏｄｕｃｅ</div><div class="t m0 xc h9 y1c ff4 fs4 fc0 sc0 ls0 ws0">ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｒｅｓｕｌｔｓ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｏｎ ｓｅｖｅｒａｌ ｃｏｍｍｏｎ ｆａｃｅ ｄａｔａｂａｓｅｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｉｓ ｍｏｒｅ ｒｏｂｕｓｔ</div><div class="t m0 xc h9 y1d ff4 fs4 fc0 sc0 ls0 ws0">ｉｎ ｔｈｅ ｃａｓｅ ｏｆ ｒｅａｌ唱ｔｉｍｅ ｒｅｃｏｇｎｉｔｉｏｎ ｉｓ ｓａｔｉｓｆｉｅｄ ｗｈｅｎ ｃｏｎｆｒｏｎｔ ｔｈｅｓｅ ｐｒｏｂｌｅｍｓ．</div><div class="t m0 xc h9 y1e ff8 fs4 fc0 sc0 ls0 ws0">Ｋｅｙ ｗｏｒｄｓ： ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ； ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ； ＤＣＴ （ｄｉｓｃｒｅｔｅ ｃｏｓｉｎｅ ｔｒａｎｓｆｏｒｍ）</div><div class="t m0 x13 he y1f ff9 fs7 fc0 sc0 ls0 ws0">０　引言</div><div class="t m0 x14 hf y20 ff6 fs4 fc0 sc0 ls0 ws0">人脸识别算法中最重要的三个问题是：ａ） 图像特征提取，</div><div class="t m0 x1 hf y21 ff6 fs4 fc0 sc0 ls0 ws0">例如直接用图像的灰度特征、局部二值模式（ＬＢＰ）特征、Ｇａｂｏｒ</div><div class="t m0 x1 hf y22 ff6 fs4 fc0 sc0 ls0 ws0">小波特征</div><div class="t m0 x15 hc y23 ff1 fs6 fc0 sc0 ls0 ws0">［１］</div><div class="t m0 x16 hf y22 ff1 fs4 fc0 sc0 ls0 ws0">；ｂ）特征变换，通常指对高维图像特征进行变换，</div><div class="t m0 x1 hf y24 ff6 fs4 fc0 sc0 ls0 ws0">将其映射到低维空间中；ｃ）分类器设计，即给定训练图像的特</div><div class="t m0 x1 hf y25 ff6 fs4 fc0 sc0 ls0 ws0">征集合，通过训练得到分类器函数，并用它对新的样本进行分</div><div class="t m0 x1 hf y26 ff6 fs4 fc0 sc0 ls0 ws0">类。 人脸图像是典型的高维数据，为了提高识别精度和速度，</div><div class="t m0 x1 hf y27 ff6 fs4 fc0 sc0 ls0 ws0">克服维数灾难，必须要找到合适的基函数将原始人脸图像从高</div><div class="t m0 x1 hf y28 ff6 fs4 fc0 sc0 ls0 ws0">维空间变换到低维特征空间，这个过程就是人脸特征提取的过</div><div class="t m0 x1 hf y29 ff6 fs4 fc0 sc0 ls0 ws0">程。 过去几十年关于人脸识别的研究已经取得了较大的进展，</div><div class="t m0 x1 hf y2a ff6 fs4 fc0 sc0 ls0 ws0">研究人员提出了很多人脸识别方法，如基于主成分分析的特征</div><div class="t m0 x1 hf y2b ff6 fs4 fc0 sc0 ls0 ws0">脸（ｅｉｇｅｎｆａｃｅ）</div><div class="t m0 x17 hc y2c ff1 fs6 fc0 sc0 ls0 ws0">［２］</div><div class="t m0 x18 hf y2b ff1 fs4 fc0 sc0 ls0 ws0">、基于线性判别分析（ ＬＤＡ） 的 Ｆｉｓｈｅｒｆａｃｅ</div><div class="t m0 x19 hc y2c ff1 fs6 fc0 sc0 ls0 ws0">［３］</div><div class="t m0 x1a hf y2b ff1 fs4 fc0 sc0 ls0 ws0">、基</div><div class="t m0 x1 hf y2d ff6 fs4 fc0 sc0 ls0 ws0">于独立分量分析（ＩＣＡ） 的方法等。 这些方法都已经成为了人</div><div class="t m0 x1 hf y2e ff6 fs4 fc0 sc0 ls0 ws0">脸识别领域的基准方法。 离散余弦变换（ＤＣＴ）是一种优良的</div><div class="t m0 x1 hf y2f ff6 fs4 fc0 sc0 ls0 ws0">数据压缩方法，其变换核为实数的余弦函数，具有快速算法，而</div><div class="t m0 x1 hf y30 ff6 fs4 fc0 sc0 ls0 ws0">且它的压缩 质量接 近于信息压缩的最优变换———Ｋ唱Ｌ 变换</div><div class="t m0 x1 hf y31 ff1 fs4 fc0 sc0 ls0 ws0">（Ｋａｒｈｕｎｅｎ唱Ｌｏｅｖｅ ｔｒａｎｓｆｏｒｍ） 。 近年来，ＤＣＴ 被用于人脸识别领</div><div class="t m0 x1 hf y32 ff6 fs4 fc0 sc0 ls0 ws0">域，取得了较好的效果。 Ｈａｆｅｄ 等人</div><div class="t m0 x1b hc y33 ff1 fs6 fc0 sc0 ls0 ws0">［４］</div><div class="t m0 x1c hf y32 ff6 fs4 fc0 sc0 ls0 ws0">首先提出了一种基于</div><div class="t m0 x1 hf y34 ff4 fs4 fc0 sc0 ls0 ws0">ＤＣＴ 的人脸识别方法。 Ｒａｍａｓｕｂｒａｍａｎｉａｎ 等人</div><div class="t m0 x1d hc y35 ff1 fs6 fc0 sc0 ls0 ws0">［５］</div><div class="t m0 x1e hf y34 ff6 fs4 fc0 sc0 ls0 ws0">提出了 ＤＣＴ</div><div class="t m0 x1f hf y36 ff6 fs4 fc0 sc0 ls0 ws0">与 ＰＣＡ 相结合的人脸识别方法。 Ｎａｓｅｅｍ 等人</div><div class="t m0 x20 hc y37 ff1 fs6 fc0 sc0 ls0 ws0">［６ ］</div><div class="t m0 x21 hf y36 ff6 fs4 fc0 sc0 ls0 ws0">在 ２０１０ 年提</div><div class="t m0 x1f hf y38 ff6 fs4 fc0 sc0 ls0 ws0">出了一种基于线性回归的人脸识别方法，该算法基于以下两个</div><div class="t m0 x1f hf y39 ff6 fs4 fc0 sc0 ls0 ws0">结论：ａ）对下采样的人脸图像和原始图像进行分类识别达到</div><div class="t m0 x1f hf y3a ff6 fs4 fc0 sc0 ls0 ws0">的效果基本一致</div><div class="t m0 x22 hc y3b ff1 fs6 fc0 sc0 ls0 ws0">［７］</div><div class="t m0 x23 hf y3a ff1 fs4 fc0 sc0 ls0 ws0">；ｂ） 来自同一个人的人脸样本位于一个线</div><div class="t m0 x1f hf y3c ff6 fs4 fc0 sc0 ls0 ws0">性子空间</div><div class="t m0 x24 hc y3d ff1 fs6 fc0 sc0 ls0 ws0">［３， ８］</div><div class="t m0 x25 hf y3c ff1 fs4 fc0 sc0 ls0 ws0">。 该方法速度快并且识别率较高，但是当人脸图</div><div class="t m0 x1f hf y3e ff6 fs4 fc0 sc0 ls0 ws0">像受到光照、姿态、表情、遮挡等因素的影响时，识别效果并不</div><div class="t m0 x1f hf y3f ff6 fs4 fc0 sc0 ls0 ws0">理想。</div><div class="t m0 x26 hf y40 ff6 fs4 fc0 sc0 ls0 ws0">为了解决线性回归在人脸识别中面临的光照、姿态变化等</div><div class="t m0 x1f hf y41 ff6 fs4 fc0 sc0 ls0 ws0">问题，本文提出一种基于 ＤＣＴ 和线性回归分类（ＬＲＣ）的人脸识</div><div class="t m0 x1f hf y42 ff6 fs4 fc0 sc0 ls0 ws0">别方法。 该方法首先对原始图像下采样，然后对下采样图像作</div><div class="t m0 x1f hf y43 ff6 fs4 fc0 sc0 ls0 ws0">离散余弦变换，用少量归一化的 ＤＣＴ 系数作为特征使用线性回</div><div class="t m0 x1f hf y44 ff6 fs4 fc0 sc0 ls0 ws0">归对测试样本进行重建，最后用最近邻方法得到分类结果。</div><div class="t m0 x27 he y45 ff9 fs7 fc0 sc0 ls0 ws0">１　线性回归分类</div><div class="t m0 x26 hf y46 ff6 fs4 fc0 sc0 ls0 ws0">线性回归是一种常用的统计学方法，该方法对自变量和因</div><div class="t m0 x1f hf y47 ff6 fs4 fc0 sc0 ls0 ws0">变量之间的关系进行线性建模。 使用线性回归分类（ ＬＲＣ） 进</div><div class="t m0 x1f hf y48 ff6 fs4 fc0 sc0 ls0 ws0">行人脸识别是 Ｎａｓｅｅｍ 等人提出的一个有效方法，该方法基于</div><div class="t m0 x1f hf y49 ff6 fs4 fc0 sc0 ls0 ws0">同一个体的人脸图像位于一个线性子空间的假设，直接使用下</div><div class="t m0 x1f hf y4a ff6 fs4 fc0 sc0 ls0 ws0">采样的人脸图像作线性回归分析，然后采用最近邻分类器分</div><div class="t m0 x1f hf y34 ff6 fs4 fc0 sc0 ls0 ws0">类，具有快速有效的优点。 实验结果表明该方法在大多数情况</div><div class="t m0 x28 h7 y4b ff3 fs4 fc0 sc0 ls0 ws0">第 ２９ 卷第 ３ 期</div><div class="t m0 x29 h7 y4c ff1 fs4 fc0 sc0 ls0 ws0">２０１２ 年 ３ 月　</div><div class="t m0 x2a h7 y4d ff3 fs4 fc0 sc0 ls0 ws0">计 算 机 应 用 研 究</div><div class="t m0 x2b hb y4e ff4 fs4 fc0 sc0 ls0 ws0">Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆ Ｃｏｍｐｕｔｅｒｓ</div><div class="t m0 x2c h9 y4b ff4 fs4 fc0 sc0 ls0 ws0">Ｖｏｌ畅２９ Ｎｏ畅３</div><div class="t m0 x2d h9 y4c ff4 fs4 fc0 sc0 ls0 ws0">Ｍａｒ畅２０１２</div></div><div class="pi" data-data='{"ctm":[1.648045,0.000000,0.000000,1.648045,0.000000,0.000000]}'></div></div> </body> </html>