基于Adaboost的开集人脸识别算法.PDFVIP

基于 Adaboost 的开集人脸识别算法 摘 要： 本文提出了一种能够解决人脸识别开集问题的新方案，在识别已知身份集内的正人脸样本 的同时拒绝不在已知身份集内的负人脸样本，满足开集识别的要求。通过对样本做几何变换，可以显著减 小正负样本相似度之间的重叠区域，扩大正负样本集间距离。在此基础上，改进一般基于Adaboost的闭集 人脸识别方法。为了提高识别速度，我们使用了两层识别结构和样本变换预处理策略。FERET 人脸库上的 测试结果表明该方法在开集人脸识别中的有效性。 关键词： 人脸识别；开集；Adaboost ；几何变换；两层分类结构 中图分类号： TP 391 文献标识码： A 文章编号： ( 待定 ） Open Set Face Recognition Based on Adaboost Abstract: In this paper, a new method is proposed, which can address the problem of open-set face recognition. The new method can recognize positive face samples which are on the gallery list and reject negative face samples which are not on the gallery list. With geometric transform, the overlap between the similarity distribution of positive and negative samples is decreased obviously and the distance between sets of positive and negative samples is enlarged. By means of this method, the general close-set face recognition method based on Adaboost is improved. In order to speed up the recognition process, a two-stage recognition structure and samples pre-transformed strategy are used. Experimental results on FERET have impressively indicated the effectiveness of the proposed method to tackle the open-set face recognition problem. Key words: face recognition; open set; adaboost; geometric transform; two-stage recognition structure 1 引言 [1] 人脸识别的开集问题，文 称之为 Watch List ，指待测人脸样本只有一部分在已知身份 集内，另一部分是已知身份集外的未知身份。此时人脸识别系统首先要判断待测样本是否是 集内人；如果是，再判定是谁，如图 1 所示。开集问题的研究对于人脸识别系统的广泛应用 具有非常重要的意义，因为开集下的人脸识别排除了闭集识别对“待测样本一定是已知身份” 的假设，能够有效区分未知和已知身份，因而更加符合识别系统在实际应用时的真实情况。 开集识别比闭集识别有着更为严格的性能评价指标。对于闭集识别，文[1]给出的性能评 价办法是比较 rank-n 正确识别率（即识别出的前 n 个最可能身份中包含正确身份的概率， Rank-n Correct Recognition Rate, CRR ）。而开集识别的评测指标前后有两种。文[1]在错误接 受率(False Accept Rate，FAR)相等的情况下，比较 rank-n 正确识别率；文[2]用 ROC （Receiver Operating Characteristic ）曲线图给出了在不同阈值下rank-n 正确识别率和错误接受率的值， 以