人脸识别中的“误配准灾难”问题

摘要: 现有的多数人脸识别系统都要依赖于面部特征(比如眼睛中心位置)的严格配准来归一化人脸以便提取 人脸描述特征,但面部特征配准的准确度如何影响人脸识别算法的性能却没有得到足够的重视。本文首次针对 这一问题进行了系统的研究,并提出了一种基于误配准学习的解决方案。为了揭示现有典型识别算法的识别性 能对特征配准准确度的敏感程度,通过对眼睛位置人为加扰,我们对Fisherface 算法的识别性能随平移、旋转 和尺度改变而变化的情况进行了实验评估,结果表明:Fisherface 的识别性能随着误配准的增大而急剧下降—— 本文称这一现象为“误配准灾难”问题。针对该问题,本文提出了一种基于扰动学习的“误配