【精品材料】外文翻译 王磊 优秀文档.doc

《【精品材料】外文翻译 王磊 优秀文档.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、人脸识别的鲁棒回归问题原文来源：ImranNaseema,FtobertoTbgneri,MohammedBermamoun.Robustregressionforfacerecognition.1前言随着安全威胁逐渐增加，更加突显出在-些敏感设施屮安装高效可靠的鉴别系统的重要性。在这方面，生物识别技术已经表现出了良好的性能。相比于其他可利用的生物特征，如语音、虹膜、指纹、掌型和步态，脸部似乎是最自然的选择。首先，它是非侵入性的，需要用户的合作，而且廉宜实现。脸部识别广泛使用于在视频监控屮用來锁定犯罪嫌疑人，也突显出了它的重要性。随着多媒体型号传输和加

2、工在近几年来的发展，我们见证了人脸识别的许多新兴应用，例如，通过互联网进行人脸识别，正成为一个最新的应用。然而,这些相对较新的应用往往同样意味着鲁棒性问题。尽管人脸识别测试是在一个离线控制的实验室环境，但是由于环境亮度、传感器故障、信道噪声、在网络媒体压缩噪声等原因，探测器图像总是容易变形。一般而言，人脸识别系统批判地依靠流形学习方法。-•个灰度人脸图像的矩阵可表示为原始图像空间屮的一个AxB维的向量。通常，在模式识别问题屮，普遍认为高维数据向量是冗余测量值的潜在来源。流形学习的n的是通过-种从高维数据向低维数据适当的转变方法，揭示这种所谓的“潜在來源

3、”。因此，在特征提取阶段，面部空间的图像要转化成低维数据向量，主要的H标就是找到一•个进行转化的基函数，能够区分面部空间的代表性面部。然而，由于噪声的存在，这是一个极富挑战性的任务。有编码理论指出，迭代测量可以安全地修复存在噪声的信息。因此，在低维特征空间屮维护外貌的鲁棒性实际上是ri标识别屮一•个急切的问题，文献屮称这些方法为降维。联系到关于鲁棒性的语境，这些方法被广泛地分为两大类，即重构和可识别性方法。重构方法（如PCA、ICA和NMF）据称与丢失和污染的像素有关，这些方法本质上是利用视觉冗余数据生产足够的重构性能表现。形式上，给一个输出x和一个标

4、签y,生成分类器会学习联合概率p（x,y）和条件概率p（xly）的模型，这种定义使用了贝叶斯定理。另一方面，我们已知可识别性方法（如LDA）由于决策界限的灵活性，在“干净”的条件下具有更好的效果，而确定最优决策的界限取决于使用直接來源于数据的p（xly）,因此其对异常值更加每攵感。同传统的方法相比，它最近还被证实有许多独特的特点，如图像下采样和随机投影一样可以处理得很好。事实上，选择的特征空间可能不再是那么重要，真正重要的是特征空间的维度和分类器的设计。人脸识别的鲁棒回归问题原文来源：ImranNaseema,FtobertoTbgneri,Moham

5、medBermamoun.Robustregressionforfacerecognition.1前言随着安全威胁逐渐增加，更加突显出在-些敏感设施屮安装高效可靠的鉴别系统的重要性。在这方面，生物识别技术已经表现出了良好的性能。相比于其他可利用的生物特征，如语音、虹膜、指纹、掌型和步态，脸部似乎是最自然的选择。首先，它是非侵入性的，需要用户的合作，而且廉宜实现。脸部识别广泛使用于在视频监控屮用來锁定犯罪嫌疑人，也突显出了它的重要性。随着多媒体型号传输和加工在近几年来的发展，我们见证了人脸识别的许多新兴应用，例如，通过互联网进行人脸识别，正成为一个最新的

6、应用。然而,这些相对较新的应用往往同样意味着鲁棒性问题。尽管人脸识别测试是在一个离线控制的实验室环境，但是由于环境亮度、传感器故障、信道噪声、在网络媒体压缩噪声等原因，探测器图像总是容易变形。一般而言，人脸识别系统批判地依靠流形学习方法。-•个灰度人脸图像的矩阵可表示为原始图像空间屮的一个AxB维的向量。通常，在模式识别问题屮，普遍认为高维数据向量是冗余测量值的潜在来源。流形学习的n的是通过-种从高维数据向低维数据适当的转变方法，揭示这种所谓的“潜在來源”。因此，在特征提取阶段，面部空间的图像要转化成低维数据向量，主要的H标就是找到一•个进行转化的基函

7、数，能够区分面部空间的代表性面部。然而，由于噪声的存在，这是一个极富挑战性的任务。有编码理论指出，迭代测量可以安全地修复存在噪声的信息。因此，在低维特征空间屮维护外貌的鲁棒性实际上是ri标识别屮一•个急切的问题，文献屮称这些方法为降维。联系到关于鲁棒性的语境，这些方法被广泛地分为两大类，即重构和可识别性方法。重构方法（如PCA、ICA和NMF）据称与丢失和污染的像素有关，这些方法本质上是利用视觉冗余数据生产足够的重构性能表现。形式上，给一个输出x和一个标签y,生成分类器会学习联合概率p（x,y）和条件概率p（xly）的模型，这种定义使用了贝叶斯定理。另

8、一方面，我们已知可识别性方法（如LDA）由于决策界限的灵活性，在“干净”的条件下具有更好的效果