基于多任务学习的多姿态人脸重建与识别Multi-poseface-计算机应用.PDF

Journal of Computer Applications ISSN 1001-9081 2017- -10 算机应用,2017, ( ): - CODEN JYIIDU http ://www.j 文章编号:1001-9081(20 17) -0000-00 doi:10.11772/j .issn.1001-9081.2017. .0000 于多任务学习的多姿态人脸重建与识别 1,2 2 1,2* 欧阳宁 , 马玉涛 , 林乐平 (1. 桂林电子科技大学 认知无线电与信息处理省部共建教育部重点实验室，广西 桂林 541004 2. 桂林电子科技大学 信息与通信学院，广西 桂林 541004) (*通信作者电子邮箱lin_leping@163.com) 摘 要: 针对当前人脸识别中姿态变化会影响识别性能，以及姿态恢复过程中脸部局部细节信息容易丢失的问题，提出 种基于多任务学习的多姿态人脸重建与识别方法——多任务学习堆叠自编码器(MtLSAE) 。该方法通过运用多任务学习机制， 联合考虑人脸姿态恢复和脸部局部细节信息保留这两个相关的任务，在步进逐层恢复正面人脸姿态的同时，引入非负约束稀 疏自编码器，使得非负约束稀疏自编码器能够学习到人脸部的部分特征；其次在姿态恢复和局部信息保留两个任务之间通过 共享参数的方式来学习整个网络框架；最后将重建出来的正脸图像通过Fisherface 进行降维并提取具有判别信息的特征，并用 最近邻分类器来识别。实验结果表明，MtLSAE 方法获得了较 的姿态重建质量，保留的局部纹理信息清晰，而且与局部Gabor 二值模式(LGBP) 、基于视角的主动外观模型(VAAM) 以及堆叠步进自编码器(SPAE)等经典方法相比，识别率性能得以提升。 关键词: 多任务学习；姿态恢复；局部细节信息；自编码器；共享参数 中图分类号: TP391.3 文献标志码: A Multi-pose face reconstruction and recognition based on multi-task learning 1,2 2 1,2* OUYANG Ning , MA Yutao , LIN Leping (1. Key Laboratory of Cognitive Radio and Information Processing (Guilin University of Electronic Technology), Ministry of Education, Guilin Guangxi 541004, China 2.School of Information and Communication, Guilin University of Electronic Technology, Guilin Guangxi 541004, China) Abstract: To circumvent the influence of pose variance on face recognition performance and considerable