• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于線性判別邊信息結(jié)合PHL的三維人臉識別

    2014-04-03 07:32:46關(guān)健生
    計算機工程與應(yīng)用 2014年12期
    關(guān)鍵詞:超平面人臉識別人臉

    關(guān)健生

    GUAN Jiansheng

    廈門理工學(xué)院 電氣工程與自動化學(xué)院,福建 廈門 361024

    School of Electrical Engineering and Automation,Xiamen University of Technology,Xiamen,Fujian 361024,China

    人臉識別系統(tǒng)通常使用人臉圖像識別特定的身份,已廣泛應(yīng)用于生物特征認證的人機交互中,如視頻監(jiān)控和訪問控制等[1]。最具代表性的人臉識別方法有主成分分析(Principal Component Analysis,PCA)[2]、線性成分分析(Linear Discriminant Analysis,LDA)[3]、獨立主成分分析(Independent Component Analysis,ICA)[4]等,這些方法在非限制條件下均能取得良好的效果,但是,在處理帶有光照、姿態(tài)、表情及場景變化的三維人臉識別問題時,效果并不是很理想。

    為了解決三維人臉識別問題,學(xué)者們提出了許多用于提高非限制條件下人臉識別性能的算法,例如,文獻[5]提出了一種建立在數(shù)據(jù)源分析基礎(chǔ)上對典型人臉識別算法進行后處理的方法,有效地提高了現(xiàn)有典型識別算法的識別性能在無約束環(huán)境下的魯棒性。為了在嵌入式系統(tǒng)中實現(xiàn)實時視頻圖像人臉識別,文獻[6]提出了基于TI系列TMS320DM642的快速人臉檢測系統(tǒng)設(shè)計方案,測試結(jié)果表明,系統(tǒng)可靠運行,優(yōu)化后系統(tǒng)運行速度提高,能夠?qū)崿F(xiàn)實時視頻圖像人臉識別。文獻[7]提出基于B樣條的多級模型自由形式形變(Free Form Deformation,F(xiàn)FD)彈性配準算法,先用低分辨率FFD網(wǎng)格全局配準,再對全局配準后的圖像分塊并計算對應(yīng)子圖塊的相關(guān)性系數(shù),對相關(guān)性系數(shù)小的子圖塊用高分辨率FFD網(wǎng)格局部細配準,在人臉畸變和表情變化很大的情況下,也能夠精確配準和很好地重建,得到較高識別率。文獻[8]在保局投影算法(LPP)及支持向量機(SVM)的基礎(chǔ)上提出了一種基于相關(guān)反饋的視頻人臉識別算法,通過合理的數(shù)據(jù)建模提取出視頻中的時空連續(xù)性語義信息,同時能夠發(fā)現(xiàn)人臉數(shù)據(jù)中內(nèi)在的非線性結(jié)構(gòu)信息而獲得低維本質(zhì)的流形結(jié)構(gòu),還能通過反饋學(xué)習(xí)來增加樣本的標(biāo)記類別。文獻[9]為多姿態(tài)問題提出了基于多特征和人臉圖像多特征融合的3D人臉識別方法,在這種情況下,可以使用三種方法從3D人臉圖像中提取多特征:最大曲率圖像、平均邊緣圖像、范圍圖像,使用權(quán)重線性組合構(gòu)建融合特征。文獻[10]使用最接近給定查詢圖像的秩作為這個查詢圖像的描述符。文獻[11]提出了基于距離的邏輯判別和基于距離的最近鄰度量方法。文獻[12]提出了余弦相似性度量學(xué)習(xí)方法。最近,文獻[13]提出了“關(guān)聯(lián)預(yù)測”模型,利用帶有較大個人內(nèi)部變化的附加通用數(shù)據(jù)集來測量兩幅圖像之間的相似性,該模型中,每幅人臉圖像與用于相似性測量的通用數(shù)據(jù)集的視覺相似對象密切相關(guān)。文獻[14]提出使用屬性和相似分類器輸出作為人臉驗證的中層特征,很好地解決了三維人臉識別問題,然而,中層特征中的跟蹤比問題會在一定程度上影響識別效果。

    受文獻[14]啟發(fā),提出了一種原型超平面學(xué)習(xí)算法,通過使用附加的未標(biāo)記的通用數(shù)據(jù)集構(gòu)建SVM模型,從而得到原型超平面的中層特征表示,利用迭代優(yōu)化算法求解目標(biāo)函數(shù),所得非零組合系數(shù)自動決定每個原型超平面用于三維人臉識別,利用SILD[15]進行降維,余弦相似性度量完成人臉的識別,實驗結(jié)果表明了本文算法的有效性。本文的主要貢獻在于:(1)將中層特征中的跟蹤比問題定義為回歸問題,通過最大化弱標(biāo)記數(shù)據(jù)集的判別能力解決目標(biāo)函數(shù);(2)通過迭代優(yōu)化算法來求解目標(biāo)函數(shù),所得到非零組合系數(shù)自動地決定每個原型超平面;(3)文獻[14]中SVM模型使用附加的強標(biāo)記訓(xùn)練集,不同于文獻[14],本文算法只從未標(biāo)記通用數(shù)據(jù)集中選擇支持向量稀疏集,簡化了整個算法過程;(4)利用不同特征和不同特征類型進行大量實驗,比較了各種情況的識別結(jié)果,表明了原型超平面學(xué)習(xí)算法的有效性。

    1 跟蹤比問題

    (1)原型超平面的中層特征表示:本研究中,使用線性SVM對每個原型超平面建模,其中支持向量從大型未標(biāo)記通用數(shù)據(jù)集χ中自動選擇。注意:使用核變換可以很容易地將這里的線性SVM模型擴展成非線性,使用表現(xiàn)定理,特征的權(quán)重向量w可定義為:

    上式中,αj和 yj分別為未標(biāo)記數(shù)據(jù)xj的多變量和推斷類標(biāo)簽,合并系數(shù)βj=αjyj(j=1,2,…,N)合并每個未標(biāo)記樣本的多變量和推斷類標(biāo)簽,合并系數(shù)向量定義為β=[β1,β2,…,βN]T∈RN。

    本研究中,xj是一個增強的低層特征(如,Gabor或LBP特征),為了避免引入SVM模型的基礎(chǔ)項,令它的最后一項為1。

    給定弱標(biāo)記數(shù)據(jù)集中的任意樣本z,在SVM模型的決定值為:

    它測量了樣本z與SVM模型的似然值,假設(shè)有C個線性SVM模型,則為每個SVM尋找合并系數(shù)向量βi(i=1,2,…,C),定義合并系數(shù)矩陣 B=[β1,β2,…,βC]∈RN×C,則樣本z的中層特征可表示為:

    (2)中層特征學(xué)習(xí):使用弱標(biāo)記數(shù)據(jù)集中每個訓(xùn)練樣本z的新的中層特征表示 f(z),本文提出由FLD-like準則來學(xué)習(xí)最優(yōu)合并系數(shù)矩陣B,注意:本文提出的方法在提供了每個樣本類標(biāo)簽時仍能執(zhí)行。具體地,本文提出在弱標(biāo)記數(shù)據(jù)集上通過最小化類內(nèi)散射并最大化類間散射的方法依照目標(biāo)函數(shù)來學(xué)習(xí)最優(yōu)B:

    上式中,Sb和Sw定義為:

    式(5)的目標(biāo)函數(shù)為跟蹤比形式,不存在閉合解,因此重新定義式(5)中的跟蹤比問題,即

    如果βi(i=1,2,…,C)沒有約束條件時,求解式(7)跟蹤問題的比率可以直接使用一般的特征值分解方法。然而,式(7)中的βi(i=1,2,…,C)有稀疏約束,不能使用跟蹤算法求解本問題,因此,使用迭代優(yōu)化算法求解最優(yōu)B。

    2 算法提出

    2.1 原型超平面學(xué)習(xí)

    首先重新定義式(7)中的目標(biāo)函數(shù),從跟蹤比問題變?yōu)榛貧w問題,這樣就可以使用迭代優(yōu)化方法來求解。

    (1)重新定義式(7)中的跟蹤比問題為回歸問題:給定弱標(biāo)記數(shù)據(jù)集中不同對象的M0對樣本,定義兩個數(shù)據(jù)矩陣:和 Hb=DTX∈RM0×N,為了定義另一個矩陣 Rw∈RN×N,先對式(6)中的 Sw進行奇異值分解(SVD),即通過引入中間變量 A=[a1,a2,…,ac]∈RN×C重定義跟蹤問題為回歸問題:

    (2)優(yōu)化式(8)的回歸問題:采用一個迭代優(yōu)化方法對A和B迭代優(yōu)化,給定A,求解下述問題來獲得B:

    觀察到式(9)中β1,β2,…,βC是獨立的,通過優(yōu)化下述問題分開求解每個βi:

    使用最小角度回歸求解最優(yōu)βi。

    給定B,忽略掉βi上的約束條件,通過求解下述問題直接計算A:

    使用SVD能夠獲得最優(yōu)A,即

    上式中,U~=[u1,u2,…,uN]包含矩陣 U=[u1,u2,…,uN]前C個主導(dǎo)特征向量。本研究中,迭代求解式(9)和式(11),直至若干次連續(xù)迭代中B的絕對誤差小于預(yù)設(shè)的閾值,詳細的算法如下所示。

    結(jié)果:決定SVM模型分類超平面的最優(yōu)合并系數(shù)向量:β1,β2,…,βC∈RN×1

    初始化:初始化 A∈RN×C和 B∈RN×C總和為1,使用式(6)計算 Sb和 Sw;通過執(zhí)行 Sw的SVD,即來計算Hb=DTX∈RM0×N和 Rw∈RN×N

    重復(fù):

    給定 A,求解式(10)中的獨立Lasso問題得到C,使用最小角度回歸:

    2.2 降維和識別

    有了學(xué)習(xí)原型超平面,使用式(3),每個樣本都能表示成它的中層決策值特征,為了進一步降低特征維度并提高性能,采用近期提出的SLID[15]來降維,僅使用弱標(biāo)記的訓(xùn)練數(shù)據(jù)就能學(xué)習(xí)判別性投影矩陣,當(dāng)每個樣本的類標(biāo)簽信息已知時,SILD和Fisher線性判別分析是等效的。SILD的訓(xùn)練過程中,僅使用相同對象的樣本對定義類內(nèi)散射矩陣,使用不同對象的樣本對定義類間散射矩陣,使用通用的特征值分解方法決定用于降維的投影矩陣。

    測試過程中,對于每對測試數(shù)據(jù)z和z^,使用學(xué)習(xí)的原型超平面分別產(chǎn)生對應(yīng)的中層特征表示 f(z)和f(z^),然后使用SILD訓(xùn)練過程學(xué)習(xí)的投影矩陣將 f(z)和 f(z^)映射到一個空間,最后,在執(zhí)行人臉識別前使用余弦函數(shù)計算測試樣本對的相似性。

    2.3 收斂性分析

    本文算法運用了迭代過程,因此,這部分對其收斂性進行了分析。

    原型超平面的中層特征中,每個SVM模型的最優(yōu)分類超平面由學(xué)習(xí)的合并系數(shù)βj(j=1,2,…,N)決定,特殊情況下,如果βj為0,通用數(shù)據(jù)集中未標(biāo)記的樣本xj會被選為SVM模型的支持向量,當(dāng)支持向量是從未標(biāo)記的通用數(shù)據(jù)集χ中選出時,每個支持向量的標(biāo)簽在學(xué)習(xí)過程之后也可以從中推斷得出。如果βj是正數(shù)(或負數(shù)),yi=1(或 yi=-1)和 xj實際上可作為SVM模型的一個正樣本(或負樣本)來使用,而且期望SVM模型的每個分類超平面都位于兩個類之間的位置,并強制β為一個稀疏向量,亦即||β||<t,其中,t是控制β稀疏性的一個參數(shù)。式(9)中β1,β2,…,βC是獨立的,式(10)通過使用最小角度回歸可分別求出每個βi,利用式(9)和式(11)進行若干次連續(xù)迭代,合并系數(shù)矩陣B的絕對誤差將越來越接近預(yù)設(shè)的閾值,最終目標(biāo)函數(shù)必定收斂。

    為了更好地表明本文算法的收斂性,在USCD/Honda人臉數(shù)據(jù)庫上進行實驗,參數(shù)t設(shè)置為0.5,C設(shè)置為400,實驗結(jié)果如圖1所示。

    圖1 本文算法的收斂情況

    從圖1可以看出,經(jīng)過4次迭代后,本文算法取得了穩(wěn)定的識別率,驗證了其收斂性。

    3 實驗

    實驗在 USCD/Honda[5]、FRGC v2[7]、LFW[16]及自己搜集的人臉數(shù)據(jù)集上將本文算法與其他幾種算法進行了比較。

    3.1 基準數(shù)據(jù)集

    FRGC v2數(shù)據(jù)集包含在跑步機上行走的25個人的99個視頻序列,每個人有4個序列對應(yīng)于4個行走模型:慢、快、傾斜和抱球(缺少了一個人的持物序列),視頻中包含姿勢和表情的變化,如圖2所示為FRGC v2中的人臉圖像示例。

    圖2 FRGC v2中的人臉圖像示例

    USCD/Honda數(shù)據(jù)集包含20個人的有姿勢和表情變化的59個視頻序列,平均每個對象有3.0個視頻,每個視頻剪輯長度在24 frame/s下約為181幀,如圖3所示為USCD/Honda中的人臉圖像示例。

    圖3 USCD/Honda中的人臉圖像示例

    實驗在FRGC v2和USCD/Honda數(shù)據(jù)集上均使用圖像限制型訓(xùn)練模型,即只知道某樣本對是否屬于同一對象或不同對象,而不知道每個樣本的類標(biāo)簽,為了構(gòu)建未標(biāo)記通用數(shù)據(jù)集χ,將每幅人臉圖像中心區(qū)域通過移除背景的方式裁剪為80×150像素大小。從FRGC v2數(shù)據(jù)集上隨機選擇300個未標(biāo)記樣本用作通用數(shù)據(jù)集,從USCD/Honda人臉數(shù)據(jù)集上選擇圖像作為訓(xùn)練數(shù)據(jù)集,值得注意的是,未標(biāo)記通用數(shù)據(jù)集和測試集之間沒有重復(fù)圖像。實驗的每一輪精度定義為正確分類的樣本對數(shù)目除以測試樣本對總數(shù)目,標(biāo)準差定義為其中,是標(biāo)準偏差。

    3.2 參數(shù)分析

    以USCD/Honda人臉數(shù)據(jù)集為例,考察了不同的原型超平面數(shù)目C和稀疏參數(shù)t對本文算法的性能的影響,包括識別的精度和整個算法所耗時間,C分別取100、200、400、600,t分別取0.1、0.2、…、0.8。實驗使用MATLAB7.0在PC機上實現(xiàn),計算機配置為:Windows XP操作系統(tǒng)、迅馳酷睿2處理器、2.5 GHz主頻、4 GB RAM,如圖4所示為參數(shù)C和t對本文算法識別精度的影響,圖5所示為C和t對本文算法訓(xùn)練所耗時間的影響。

    圖4 參數(shù)C和t對本文算法識別精度的影響

    圖5 參數(shù)C和t對本文算法訓(xùn)練所耗時間的影響

    從圖4可以看出,當(dāng)C設(shè)置為一個較大數(shù)時,本文算法的平均精度會更好,但同時訓(xùn)練時間也會增加(如圖5所示)。本文也使用其他特征在USCD/Honda數(shù)據(jù)集上作了與FRGC v2數(shù)據(jù)集上類似的觀察,為了權(quán)衡有效性和效率,當(dāng)使用所有類型特征時,在兩個數(shù)據(jù)集上都設(shè)置C=400。當(dāng)設(shè)置參數(shù)t在0.2到0.8之間時,本研究的結(jié)果變得相對穩(wěn)定,考慮到?jīng)]有用于模型選擇的預(yù)定義附加數(shù)據(jù)集,因此,后面在USCD/Honda人臉數(shù)據(jù)集上的實驗設(shè)置參數(shù)t為0.5。

    3.3 實驗結(jié)果比較

    3.3.1 FRGC v2數(shù)據(jù)集

    在FRGC v2數(shù)據(jù)集上,使用八種類型的特征,包括強度特征、LBP特征、Gabor特征和分塊Gabor特征及各個特征的方根,將本文算法與“低層特征+SILD”的性能進行了比較。

    對于強度特征,直接通過矢量化每個灰度圖像到12 000維特征向量來提取。LBP特征中,首先從每個10×10不重疊像素塊提取一個59針的直方圖,然后所有直方圖串聯(lián)成一個單一7 080維特征向量。使用40個Gabor核函數(shù)從5個等級8個方向來提取Gabor特征,為了降低特征維度,進一步使用10×10變換因子下采樣Gabor濾波圖像,然而,這個重要的下采樣過程可能會降低人臉識別的性能。分塊Gabor特征中,下采樣之前將每個Gabor濾波圖像劃分成6個不重疊的塊,每個塊的Gabor濾波子圖像僅使用2×2的變換因子進行下采樣,然后分別對每個塊的Gabor特征,而不是將它們串聯(lián)成一個很長的特征向量,對于每一對人臉圖像,對6個塊的Gabor特征使用余弦函數(shù)計算出6個相似度,然后輸出一個平均分數(shù)。為了混合8類特征,每對圖像表示成一個8維相似度特征,然后采用線性SVM進一步計算每對圖像最終的相似度。實驗中,本文算法使用中層特征,“低層特征+SILD”使用原始低層特征,除了強度特征的方根以外,結(jié)果如表1所示。

    從表1可以看出,在最終驗證之前,本文算法采用SILD執(zhí)行降維,在其他所有類型的特征方面執(zhí)行效果均優(yōu)于“低層特征+SILD”[15],當(dāng)使用Gabor特征方根時,性能提升2.55%,使用LBP方根得到的結(jié)果為86.42%,結(jié)合使用所有特征時識別率可高達89.67%。

    表1 FRGC v2數(shù)據(jù)集上使用不同類型底層特征的性能(平均精度±標(biāo)準差)

    此外,實驗直接使用文獻[17]提供的三類特征(LBP、CSLBP和FPLBP),考慮到所有人臉圖像都經(jīng)固定的檢測臉部關(guān)鍵點對齊過,將從一個視頻剪輯所有幀中提取出的平均特征,為本文算法和低層特征+SILD的后續(xù)過程輸出平均特征向量,識別結(jié)果如表2所示。

    表2 各算法使用三種特征在FRGC v2上的識別結(jié)果

    從表2可以看出,本文算法使用三類特征的性能明顯優(yōu)于“低層特征+SILD”,平均精度比“低層特征+SILD”高出3%,表明使用PHL學(xué)習(xí)分類超平面來提取特征的有效性。使用LBP特征,本文算法在ACC、AUC和EER方面性能提升比MBGS分別高出4.2%、4.9%和4.6%,使用CSLBP和FPLBP特征,本文算法也優(yōu)于MBGS。

    3.3.2 USCD/Honda數(shù)據(jù)集

    在USCD/Honda數(shù)據(jù)集上,實驗也使用文獻[17]提供的三類特征,并將本文算法與“MBGS”[17]算法和低層特征+SILD算法進行比較,表3中列出了這三種算法在平均精度、曲線下方面積(AUC)和等差率(EER)方面的數(shù)據(jù)。

    從表3可以看出,與表2的結(jié)果一致,本文算法使用三類特征的性能優(yōu)于“低層特征+SILD”,平均精度比“低層特征+SILD”高出3%,再一次表明使用PHL學(xué)習(xí)分類超平面來提取特征是有益的。使用三種特征時,本文算法均優(yōu)于MBGS。

    3.3.3 自己采集的人臉數(shù)據(jù)庫上的實驗

    由于USCD/Honda、FRGC v2視頻人臉數(shù)據(jù)庫的樣本類型不足,通過自采集構(gòu)建數(shù)據(jù)庫(如圖6和圖7所示),數(shù)據(jù)庫一共有15人,每人有16段視頻,采集數(shù)據(jù)時有意安排有正臉和側(cè)臉姿勢,并有意設(shè)置不同的光照環(huán)境,同時注意面部表情的刻意變化,主要的目的是在盡可能短的時間內(nèi)模擬真實視頻的各種環(huán)境。實際應(yīng)用中,視頻時間較長,一般都會有側(cè)臉、光照、表情的變化,因此,有針對性采集的視頻數(shù)據(jù)庫對基于視頻的人臉識別算法進行比較實驗非常合理。

    表3 各算法使用三種特征在USCD/Honda上的識別結(jié)果

    圖6 正臉樣本

    圖7 正側(cè)臉樣本

    實驗將本文算法與其他幾種算法進行了比較,包括隱馬爾可夫后處理模型[5]、基于合并的b/g樣本的方法[10]、屬性和相似分類器[1]、多級FFD配準[7]、底層特征+SILD[14]、CSML+SVM[12]、尺度不變特征融合[9]和關(guān)聯(lián)預(yù)測[13],每個人的正臉樣本用于訓(xùn)練,正側(cè)臉樣本用于測試,比較結(jié)果如表4所示。

    表4 本文算法與其他算法的識別性能比較

    從表4可以看出,本文算法僅比文獻[13]中的“關(guān)聯(lián)預(yù)測”算法稍差,但是,“關(guān)聯(lián)預(yù)測”要求有個人內(nèi)部變化的強標(biāo)記附加數(shù)據(jù)集,而本文提出的本文算法僅需要附加的未標(biāo)記數(shù)據(jù)集,因此,相比另外幾種比較算法,本文算法取得了更好的識別效果。從標(biāo)準差來看,本文算法的標(biāo)準差最小,表明了其穩(wěn)定性優(yōu)于其他各個方法。

    3.3.4 戶外人臉數(shù)據(jù)庫上的實驗

    最后,在實際條件下采集的戶外人臉數(shù)據(jù)庫LFW上測試本文算法。實驗選擇包含55個對象的一個圖像集,如圖8所示為戶外人臉圖像示例。從每幅圖像的背景中裁剪出人臉區(qū)域,調(diào)整大小為64×64,不同于先前在室內(nèi)條件下采集到的測試圖像,這些圖像是在完全不受約束的現(xiàn)實環(huán)境中采集到的,實驗將本文算法與其他幾種算法進行了比較,對于每個對象,分別選擇K=1,3,5,8幅未遮擋的圖像作為訓(xùn)練集,有不同遮擋類型的110幅圖像用于測試,每個訓(xùn)練集與探針集均不相交,比較結(jié)果如表5所示。

    圖8 LFW人臉數(shù)據(jù)庫中的圖像示例

    表5 各算法在LFW上的識別性能比較

    從表5可以看出,與表4的結(jié)果一致,本文算法僅比“關(guān)聯(lián)預(yù)測”算法稍差,相比另外幾種算法,本文算法取得了更好的識別效果。從標(biāo)準差來看,本文算法的標(biāo)準差最小,再次驗證了本文算法的優(yōu)越性。

    4 結(jié)論

    本文提出一種原型超平面學(xué)習(xí)算法,通過學(xué)習(xí)SVM模型的一組原型超平面尋找用于三維人臉識別的中層特征,在只從通用數(shù)據(jù)集選擇稀疏樣本集作為支持向量的稀疏約束條件下,通過最大化弱標(biāo)記數(shù)據(jù)集的判別能力解決目標(biāo)函數(shù),學(xué)習(xí)到的SVM模型的決策值用作中層特征,使用SILD進一步降低特征維度,最后,使用余弦相似度完成最終的人臉識別。大量實驗表明本文提出的方法優(yōu)于其他現(xiàn)有算法。

    未來會將本文提出的算法運用到其他的非約束人臉數(shù)據(jù)集上,并結(jié)合其他的新穎技術(shù),進行大量實驗,進一步改善三維人臉識別的性能。

    [1]楊傳振,朱玉全,陳耿.一種基于粗糙集屬性約簡的多分類器集成方法[J].計算機應(yīng)用研究,2012,29(5):1648-1650.

    [2]Abdi H,Williams L J.Principal component analysis[J].Wiley Interdisciplinary Reviews:Computational Statistics,2010,2(4):433-459.

    [3]曹潔,吳迪,李偉.基于鑒別能力分析和LDA-LPP算法的人臉識別[J].吉林大學(xué)學(xué)報:工學(xué)版,2012,42(6):1527-1531.

    [4]柴智,劉正光.應(yīng)用復(fù)小波和獨立成分分析的人臉識別[J].計算機應(yīng)用,2010,30(7):1863-1866.

    [5]代毅,肖國強,宋剛.隱馬爾可夫后處理模型在視頻人臉識別中的應(yīng)用[J].計算機應(yīng)用,2010,30(4):960-963.

    [6]鄒垚,張超.基于DSP的人臉識別算法實現(xiàn)與優(yōu)化[J].計算機應(yīng)用,2010,30(3):854-856.

    [7]Kong Y,Zhang S,Cheng P.Super-resolution reconstruction face recognition based on multi-level FFD registration[J].Optik-International Journal for Light and Electron Optics,2013,124(24):6926-6931.

    [8]魯珂,丁正明,趙繼東,等.一種基于相關(guān)反饋的視頻人臉?biāo)惴╗J].西安電子科技大學(xué)學(xué)報:自然科學(xué)版,2012,39(3):154-160.

    [9]Wijaya I G P S,Uchimura K,Koutaki G.Multi-pose face recognition using fusion of scale invariant features[C]//Proceedings of the 2011 2nd International Congress on Computer Applications and Computational Science.Berlin Heidelberg:Springer,2012:207-213.

    [10]黃榮兵,郎方年,施展.基于Log-Gabor小波和二維半監(jiān)督判別分析的人臉圖像檢索[J].計算機應(yīng)用研究,2012,29(1):393-396.

    [11]Guillaumin M,Verbeek J,Schmid C.Is that you?Metric learning approaches for face identification[C]//2009 IEEE 12th International Conference on Computer Vision,2009:498-505.

    [12]高全學(xué),謝德燕,徐輝,等.融合局部結(jié)構(gòu)和差異信息的監(jiān)督特征提取算法[J].自動化學(xué)報,2010,36(8):1107-1114.

    [13]Yin Q,Tang X,Sun J.An associate-predict model for face recognition[C]//IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2011:497-504.

    [14]Kumar N,Berg A,Belhumeur P N,et al.Describable visual attributes for face verification and image search[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(10):1962-1977.

    [15]Kan M,Shan S,Xu D,et al.Side-information based linear discriminant analysis for face recognition[C]//BMVC,2011:1-12.

    [16]Miranda D.The face we make[EB/OL].[2013-10-11].http://www.thefacewemake.org.

    [17]Wolf L,Hassner T,Maoz I.Face recognition in unconstrained videos with matched background similarity[C]//2011 IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2011:529-534.

    猜你喜歡
    超平面人臉識別人臉
    人臉識別 等
    全純曲線的例外超平面
    有特點的人臉
    涉及分擔(dān)超平面的正規(guī)定則
    揭開人臉識別的神秘面紗
    以較低截斷重數(shù)分擔(dān)超平面的亞純映射的唯一性問題
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    分擔(dān)超平面的截斷型亞純映射退化性定理
    基于類獨立核稀疏表示的魯棒人臉識別
    計算機工程(2015年8期)2015-07-03 12:19:07
    馬面部與人臉相似度驚人
    国产av不卡久久| 久久精品国产99精品国产亚洲性色| www.熟女人妻精品国产| 少妇高潮的动态图| 精华霜和精华液先用哪个| 欧美性猛交黑人性爽| 成年人黄色毛片网站| 欧美高清性xxxxhd video| 内射极品少妇av片p| 国产精品综合久久久久久久免费| 88av欧美| 舔av片在线| 好男人在线观看高清免费视频| 亚洲av免费高清在线观看| 欧美极品一区二区三区四区| 一个人看视频在线观看www免费| 国产精品一区二区性色av| 宅男免费午夜| 精品欧美国产一区二区三| 色av中文字幕| 美女被艹到高潮喷水动态| 免费观看精品视频网站| 韩国av一区二区三区四区| 国内精品一区二区在线观看| 成人国产综合亚洲| 久久国产精品影院| 日本免费一区二区三区高清不卡| 麻豆成人av在线观看| 亚洲电影在线观看av| 日韩中字成人| 国产蜜桃级精品一区二区三区| 久久久久久九九精品二区国产| 麻豆久久精品国产亚洲av| 在线a可以看的网站| 欧美+亚洲+日韩+国产| 搡女人真爽免费视频火全软件 | 18禁黄网站禁片免费观看直播| 3wmmmm亚洲av在线观看| 亚洲av免费在线观看| 日韩高清综合在线| 亚洲欧美日韩高清在线视频| 91久久精品电影网| 午夜福利免费观看在线| 国产精品伦人一区二区| 网址你懂的国产日韩在线| 亚洲精品成人久久久久久| 欧美日韩乱码在线| 欧美中文日本在线观看视频| 国产精品国产高清国产av| 精华霜和精华液先用哪个| 性色av乱码一区二区三区2| 亚洲一区高清亚洲精品| 国产精品一区二区三区四区免费观看 | 国产高清三级在线| 国产高清视频在线播放一区| 九色成人免费人妻av| 1024手机看黄色片| 日韩欧美在线乱码| 精品久久久久久久久亚洲 | 精品日产1卡2卡| 国产探花极品一区二区| 搡女人真爽免费视频火全软件 | 国产精品一及| 国产真实乱freesex| 国产激情偷乱视频一区二区| 国产三级在线视频| 日韩av在线大香蕉| 真实男女啪啪啪动态图| 亚洲国产高清在线一区二区三| 丰满人妻一区二区三区视频av| 午夜老司机福利剧场| 又爽又黄a免费视频| 在线观看免费视频日本深夜| АⅤ资源中文在线天堂| 国产亚洲欧美98| 熟妇人妻久久中文字幕3abv| 在线观看一区二区三区| 午夜福利视频1000在线观看| 天堂av国产一区二区熟女人妻| 老熟妇仑乱视频hdxx| 国产综合懂色| 日韩欧美国产在线观看| 国产色婷婷99| 久久久久久久亚洲中文字幕 | 他把我摸到了高潮在线观看| 真人一进一出gif抽搐免费| 成人美女网站在线观看视频| 国产爱豆传媒在线观看| 在线观看美女被高潮喷水网站 | 久久欧美精品欧美久久欧美| 最近视频中文字幕2019在线8| 欧美丝袜亚洲另类 | 亚洲欧美日韩无卡精品| 亚洲精品影视一区二区三区av| 级片在线观看| 国内精品美女久久久久久| 长腿黑丝高跟| 精品人妻熟女av久视频| 日韩国内少妇激情av| av国产免费在线观看| 久久亚洲真实| 淫妇啪啪啪对白视频| 12—13女人毛片做爰片一| 国产三级黄色录像| 日本撒尿小便嘘嘘汇集6| 国产成+人综合+亚洲专区| 18禁黄网站禁片免费观看直播| 久久亚洲真实| 99精品在免费线老司机午夜| 精品人妻视频免费看| 久久久久久国产a免费观看| 夜夜爽天天搞| 亚洲人成伊人成综合网2020| 白带黄色成豆腐渣| 久久国产乱子伦精品免费另类| 亚洲片人在线观看| www.www免费av| 久久久久久久亚洲中文字幕 | 91麻豆av在线| 色哟哟哟哟哟哟| 90打野战视频偷拍视频| 成人亚洲精品av一区二区| 在线观看66精品国产| 99热只有精品国产| 麻豆av噜噜一区二区三区| 成人高潮视频无遮挡免费网站| av欧美777| 十八禁人妻一区二区| 亚洲欧美日韩高清在线视频| 亚洲国产精品999在线| 亚洲aⅴ乱码一区二区在线播放| 国内久久婷婷六月综合欲色啪| 亚洲人成网站在线播放欧美日韩| 亚洲av成人av| 男人狂女人下面高潮的视频| 国语自产精品视频在线第100页| 黄片小视频在线播放| av女优亚洲男人天堂| 免费av观看视频| 精品久久久久久久久亚洲 | 男女那种视频在线观看| 国产av在哪里看| 极品教师在线免费播放| 精品久久久久久久末码| 少妇被粗大猛烈的视频| 亚洲熟妇中文字幕五十中出| 欧美一区二区国产精品久久精品| 欧美性感艳星| 成人性生交大片免费视频hd| 国产aⅴ精品一区二区三区波| 18+在线观看网站| 国产极品精品免费视频能看的| 精品久久久久久久久av| 精品99又大又爽又粗少妇毛片 | 国产三级在线视频| 一个人观看的视频www高清免费观看| 中文字幕人妻熟人妻熟丝袜美| 每晚都被弄得嗷嗷叫到高潮| 搡老妇女老女人老熟妇| 久久久久久久亚洲中文字幕 | 日本在线视频免费播放| 99国产极品粉嫩在线观看| 两个人视频免费观看高清| 国产综合懂色| 91av网一区二区| www.www免费av| 国产在线男女| 欧美午夜高清在线| 夜夜夜夜夜久久久久| 免费av不卡在线播放| 十八禁网站免费在线| 国产中年淑女户外野战色| 日本熟妇午夜| 成人特级av手机在线观看| 一级av片app| 在线天堂最新版资源| 欧美日韩中文字幕国产精品一区二区三区| 亚洲美女搞黄在线观看 | 成人特级黄色片久久久久久久| 亚洲国产欧美人成| 校园春色视频在线观看| 国产乱人视频| 日本 欧美在线| 99热精品在线国产| 久久精品夜夜夜夜夜久久蜜豆| 久久久色成人| 老司机深夜福利视频在线观看| 丰满人妻一区二区三区视频av| 在线看三级毛片| 国产乱人伦免费视频| 有码 亚洲区| 精品午夜福利视频在线观看一区| 成人国产一区最新在线观看| 国产精品久久视频播放| 亚洲,欧美,日韩| 丰满人妻一区二区三区视频av| 久久久久性生活片| 国产精品1区2区在线观看.| 麻豆国产97在线/欧美| 如何舔出高潮| 99国产极品粉嫩在线观看| 18美女黄网站色大片免费观看| 99久久精品一区二区三区| 久久精品久久久久久噜噜老黄 | 少妇的逼水好多| 中文字幕人成人乱码亚洲影| 很黄的视频免费| 麻豆成人av在线观看| 亚洲狠狠婷婷综合久久图片| 别揉我奶头 嗯啊视频| 午夜福利高清视频| 久久6这里有精品| 99精品在免费线老司机午夜| 国产私拍福利视频在线观看| 欧美3d第一页| 天天一区二区日本电影三级| 国产国拍精品亚洲av在线观看| 性欧美人与动物交配| 国产亚洲精品久久久久久毛片| a级毛片a级免费在线| 直男gayav资源| 91字幕亚洲| 精品久久久久久久末码| 欧美激情国产日韩精品一区| 久久久久久国产a免费观看| 亚洲精品乱码久久久v下载方式| 精品人妻偷拍中文字幕| 国产成人影院久久av| 亚洲无线观看免费| 九色成人免费人妻av| 亚洲久久久久久中文字幕| 男人舔奶头视频| 中亚洲国语对白在线视频| 看黄色毛片网站| 99久久精品热视频| 亚洲精品456在线播放app | 久久久久久久午夜电影| 久久人妻av系列| 男女床上黄色一级片免费看| 极品教师在线视频| 波多野结衣高清无吗| 亚洲五月天丁香| 91在线观看av| 琪琪午夜伦伦电影理论片6080| 日本在线视频免费播放| eeuss影院久久| 日韩有码中文字幕| 夜夜看夜夜爽夜夜摸| 51午夜福利影视在线观看| 亚洲欧美日韩高清在线视频| 少妇被粗大猛烈的视频| 国产精华一区二区三区| 亚洲国产精品合色在线| 超碰av人人做人人爽久久| 夜夜躁狠狠躁天天躁| 男人舔女人下体高潮全视频| 一级黄片播放器| 夜夜看夜夜爽夜夜摸| 最近中文字幕高清免费大全6 | 欧美激情国产日韩精品一区| 国产av不卡久久| 色尼玛亚洲综合影院| 亚洲精品在线观看二区| 毛片女人毛片| 熟女电影av网| 一区二区三区免费毛片| 少妇熟女aⅴ在线视频| 国产一区二区激情短视频| 在线播放国产精品三级| 久久国产乱子伦精品免费另类| 久9热在线精品视频| 国产精品98久久久久久宅男小说| 偷拍熟女少妇极品色| 成人一区二区视频在线观看| 亚洲精品色激情综合| 99热这里只有精品一区| 一级a爱片免费观看的视频| 可以在线观看的亚洲视频| 午夜两性在线视频| 嫩草影院入口| h日本视频在线播放| 欧美一区二区国产精品久久精品| 亚洲av成人精品一区久久| 久久精品夜夜夜夜夜久久蜜豆| 桃色一区二区三区在线观看| 亚洲av成人不卡在线观看播放网| 能在线免费观看的黄片| 色哟哟哟哟哟哟| 成人无遮挡网站| 伊人久久精品亚洲午夜| 综合色av麻豆| 精品一区二区三区av网在线观看| 免费电影在线观看免费观看| 尤物成人国产欧美一区二区三区| 91字幕亚洲| 欧美zozozo另类| 国产精品永久免费网站| av天堂中文字幕网| 国产欧美日韩一区二区三| 一级黄片播放器| 1000部很黄的大片| 亚洲av免费高清在线观看| 三级男女做爰猛烈吃奶摸视频| 亚洲av第一区精品v没综合| 国产精品人妻久久久久久| 久久精品影院6| 国产av一区在线观看免费| 五月伊人婷婷丁香| 如何舔出高潮| eeuss影院久久| 亚洲一区高清亚洲精品| 亚洲成人精品中文字幕电影| 亚洲精华国产精华精| 亚洲天堂国产精品一区在线| 欧美日韩黄片免| 日韩欧美三级三区| 51国产日韩欧美| 国内精品一区二区在线观看| 长腿黑丝高跟| 欧美丝袜亚洲另类 | netflix在线观看网站| 18禁黄网站禁片免费观看直播| 一级黄片播放器| ponron亚洲| 给我免费播放毛片高清在线观看| 午夜两性在线视频| 美女cb高潮喷水在线观看| 免费av不卡在线播放| 女人十人毛片免费观看3o分钟| 91狼人影院| 成人特级av手机在线观看| 99热精品在线国产| 精品久久国产蜜桃| 精品久久久久久久人妻蜜臀av| 久久人人爽人人爽人人片va | 九九久久精品国产亚洲av麻豆| 亚洲欧美精品综合久久99| 2021天堂中文幕一二区在线观| 在线免费观看不下载黄p国产 | 国产一区二区激情短视频| 高潮久久久久久久久久久不卡| 色吧在线观看| 国产高清三级在线| 免费高清视频大片| 怎么达到女性高潮| 国产一区二区激情短视频| 啦啦啦韩国在线观看视频| 天堂动漫精品| 国产av麻豆久久久久久久| 亚洲熟妇熟女久久| 精品国内亚洲2022精品成人| 国产av不卡久久| 怎么达到女性高潮| 国产三级黄色录像| 亚洲午夜理论影院| 综合色av麻豆| 国产伦在线观看视频一区| 18禁在线播放成人免费| 欧美+日韩+精品| 18禁在线播放成人免费| 免费看光身美女| 一夜夜www| 日本熟妇午夜| 啪啪无遮挡十八禁网站| 一级黄色大片毛片| 99久久无色码亚洲精品果冻| 日本成人三级电影网站| 十八禁人妻一区二区| 国产精品亚洲一级av第二区| 国产精华一区二区三区| 99久久久亚洲精品蜜臀av| 1024手机看黄色片| 99久久久亚洲精品蜜臀av| 午夜精品久久久久久毛片777| 亚洲一区二区三区色噜噜| 毛片女人毛片| 久久热精品热| bbb黄色大片| 大型黄色视频在线免费观看| 亚洲成a人片在线一区二区| 人人妻人人澡欧美一区二区| 免费看日本二区| 久久国产乱子免费精品| 国产成人啪精品午夜网站| 久久婷婷人人爽人人干人人爱| 九九久久精品国产亚洲av麻豆| 欧美国产日韩亚洲一区| 国产精品,欧美在线| 最近最新中文字幕大全电影3| 丰满的人妻完整版| 亚洲在线自拍视频| 女生性感内裤真人,穿戴方法视频| a级一级毛片免费在线观看| a级毛片免费高清观看在线播放| 久久久久久久久中文| 亚洲无线在线观看| 熟妇人妻久久中文字幕3abv| 啪啪无遮挡十八禁网站| 一区二区三区激情视频| 99在线视频只有这里精品首页| 成人av一区二区三区在线看| 美女 人体艺术 gogo| 此物有八面人人有两片| 成人鲁丝片一二三区免费| 91av网一区二区| 欧美另类亚洲清纯唯美| 国产精品免费一区二区三区在线| 免费人成在线观看视频色| 琪琪午夜伦伦电影理论片6080| 午夜日韩欧美国产| 国产高清有码在线观看视频| 又紧又爽又黄一区二区| 欧美色视频一区免费| 久久久久久九九精品二区国产| 美女 人体艺术 gogo| 国产野战对白在线观看| 一卡2卡三卡四卡精品乱码亚洲| avwww免费| 色尼玛亚洲综合影院| 搡女人真爽免费视频火全软件 | 日本免费一区二区三区高清不卡| 一本久久中文字幕| 亚洲va日本ⅴa欧美va伊人久久| a级毛片a级免费在线| 直男gayav资源| 久久国产乱子免费精品| 中文字幕精品亚洲无线码一区| 国内精品美女久久久久久| 日本免费a在线| av黄色大香蕉| 久久国产乱子伦精品免费另类| 最新在线观看一区二区三区| avwww免费| 中文字幕人妻熟人妻熟丝袜美| 天堂动漫精品| netflix在线观看网站| 乱人视频在线观看| 免费人成在线观看视频色| 人人妻人人澡欧美一区二区| 欧美最新免费一区二区三区 | 日本 欧美在线| 久久人妻av系列| 在线观看一区二区三区| 最新在线观看一区二区三区| 国产爱豆传媒在线观看| 亚洲国产色片| 色哟哟哟哟哟哟| 毛片女人毛片| 精品不卡国产一区二区三区| 一夜夜www| 91九色精品人成在线观看| 哪里可以看免费的av片| 国内久久婷婷六月综合欲色啪| 他把我摸到了高潮在线观看| 在线十欧美十亚洲十日本专区| 两个人视频免费观看高清| 一级黄色大片毛片| 午夜精品久久久久久毛片777| 午夜福利在线在线| 内地一区二区视频在线| 美女高潮喷水抽搐中文字幕| 脱女人内裤的视频| 欧美性感艳星| 日本成人三级电影网站| 一进一出抽搐动态| 中文字幕人成人乱码亚洲影| 淫妇啪啪啪对白视频| 综合色av麻豆| 国产白丝娇喘喷水9色精品| 给我免费播放毛片高清在线观看| av中文乱码字幕在线| 精品99又大又爽又粗少妇毛片 | 欧美成狂野欧美在线观看| 亚洲精品亚洲一区二区| 欧美极品一区二区三区四区| 亚洲18禁久久av| 色综合婷婷激情| 亚洲欧美日韩卡通动漫| 亚洲精品在线美女| 麻豆av噜噜一区二区三区| 久久婷婷人人爽人人干人人爱| 日韩大尺度精品在线看网址| 日本免费a在线| 国产老妇女一区| 国产成人aa在线观看| 亚洲国产精品sss在线观看| 尤物成人国产欧美一区二区三区| 欧美一区二区国产精品久久精品| 亚洲国产精品合色在线| 男人和女人高潮做爰伦理| 免费看a级黄色片| 欧美高清性xxxxhd video| 免费高清视频大片| 两性午夜刺激爽爽歪歪视频在线观看| 日韩欧美精品免费久久 | 亚洲av不卡在线观看| 高清日韩中文字幕在线| 9191精品国产免费久久| 18美女黄网站色大片免费观看| ponron亚洲| 欧美成人免费av一区二区三区| 美女高潮喷水抽搐中文字幕| 久久久久免费精品人妻一区二区| 亚洲精品久久国产高清桃花| 神马国产精品三级电影在线观看| 国产久久久一区二区三区| 久久人人爽人人爽人人片va | or卡值多少钱| 在线a可以看的网站| 国产麻豆成人av免费视频| 欧美在线黄色| 亚洲三级黄色毛片| 最近中文字幕高清免费大全6 | 日韩欧美精品v在线| 中文在线观看免费www的网站| 欧美一区二区国产精品久久精品| 国产乱人伦免费视频| 国产真实乱freesex| 五月伊人婷婷丁香| 免费在线观看日本一区| 亚洲欧美日韩卡通动漫| 一区二区三区高清视频在线| 极品教师在线视频| 国产av不卡久久| 757午夜福利合集在线观看| 亚洲欧美日韩高清专用| 一级a爱片免费观看的视频| 淫妇啪啪啪对白视频| 国产伦人伦偷精品视频| 国内精品美女久久久久久| 成年女人毛片免费观看观看9| 久久中文看片网| 国产午夜精品论理片| 男人的好看免费观看在线视频| 最好的美女福利视频网| 久久人妻av系列| 超碰av人人做人人爽久久| 亚洲电影在线观看av| 亚洲一区高清亚洲精品| 亚洲18禁久久av| 日本熟妇午夜| 别揉我奶头~嗯~啊~动态视频| 久久精品国产自在天天线| 欧美潮喷喷水| 免费搜索国产男女视频| 97碰自拍视频| 国产大屁股一区二区在线视频| a级毛片a级免费在线| 三级男女做爰猛烈吃奶摸视频| 精品无人区乱码1区二区| 一进一出好大好爽视频| 91狼人影院| 亚洲成av人片免费观看| 97人妻精品一区二区三区麻豆| 淫妇啪啪啪对白视频| 一区二区三区四区激情视频 | 国产成人啪精品午夜网站| 亚洲无线在线观看| 九九在线视频观看精品| 两人在一起打扑克的视频| 亚洲精品色激情综合| 少妇熟女aⅴ在线视频| 成人av在线播放网站| 欧美bdsm另类| 亚洲中文日韩欧美视频| 午夜免费激情av| 久久人人精品亚洲av| 久久人妻av系列| 91在线精品国自产拍蜜月| 老熟妇仑乱视频hdxx| 久久精品国产亚洲av天美| 久久久精品欧美日韩精品| 亚洲电影在线观看av| 91麻豆av在线| 欧美一区二区国产精品久久精品| 欧美日韩综合久久久久久 | 日本黄色片子视频| 精华霜和精华液先用哪个| 久久久久精品国产欧美久久久| 99热只有精品国产| 亚洲va日本ⅴa欧美va伊人久久| 精品熟女少妇八av免费久了| 色综合亚洲欧美另类图片| netflix在线观看网站| 亚洲最大成人手机在线| 少妇丰满av| 9191精品国产免费久久| 成年人黄色毛片网站| 一区福利在线观看| 欧美高清成人免费视频www| 亚洲欧美日韩东京热| 国产亚洲av嫩草精品影院| 美女大奶头视频| a级一级毛片免费在线观看| www.www免费av| 搡老岳熟女国产| 精品久久久久久久人妻蜜臀av| 十八禁人妻一区二区| 五月伊人婷婷丁香| 看黄色毛片网站| 亚洲成av人片免费观看| 亚洲片人在线观看| 91狼人影院| 精品熟女少妇八av免费久了| 一进一出好大好爽视频| 日本熟妇午夜| 美女 人体艺术 gogo| 欧美黑人欧美精品刺激| 老熟妇乱子伦视频在线观看| 在线免费观看不下载黄p国产 | 成人性生交大片免费视频hd| 丰满的人妻完整版| 国产精品乱码一区二三区的特点| 美女 人体艺术 gogo| 国产高清视频在线观看网站|