基于二进制标签松弛模型的遮挡人脸识别

摘要

遮挡人脸识别是人脸识别系统面临的挑战之一。在自然场景下,人脸特征通常被口罩等物品遮挡,导致人脸特征不完整,从而无法正确提取人脸特征信息,严重影响最终的识别结果。针对有遮挡条件下人脸识别效果较差的问题,通过利用低秩技术和二进制标签松弛模型的优势,该文提出了一种新的基于二进制松弛标签的回归模型。该模型通过学习一个更松弛的标签矩阵来代替严格的0-1标签矩阵,从而扩大了样本之间的类间距离,同时对二进制松弛标签矩阵采用低秩约束,以提高样本的类内相似性。因此,该方法能够提取出更多具有判别性的特征,从而有利于遮挡条件下的人脸识别。此外,通过引入的正则化项,有效避免了该方法的过拟合问题。在Yale B、LFW和CMU PIE数据集上的实验结果表明,该方法不仅能在实验室环境下获得较高的识别率,在自然场景下仍然能取得较好的识别性能。