基于空间概率隐语义分析的人脸识别

摘要

人脸图像的表示问题是人脸识别中的一个关键问题，寻求紧凑、鲁棒和有意义的特征表示空间对于人脸识别系统的性能具有重要影响。概率隐语义分析(PLSA)是一种刻画文档与词汇间隐含语义关系的混合生成模型，已被广泛用于自然语言理解和计算机视觉领域。本文提出一种新的基于PLSA模型的统计人脸表示方法：一幅人脸图像被视为一个由视觉切片为词汇构成的文档，然后利用PLSA模型自动抽取视觉切片和人脸图像之间的隐主题分布；最后，每个视觉切片在若干显著隐主题上的后验概率被当作该切片的统计特征，并结合其在图像空间中的位置关系构建人脸图像的全局表示向量。该表示具有直观的物理含义，并可作为任意分类器的输入。在公开人脸库AR、ORL上的实验结果表明，在简单的最近邻分类器情况下，基于PLSA特征表示方法的识别性能显著优于其他基于外观的统计人脸特征表示方法(如PCA)的性能。