跨视角步态识别的最新成果
随着身份认证和身份识别的必要性日益增加,生物识别技术已渗透到人们日常生活的方方面面,广泛应用于社会保障和人身安全。
相比较于诸如人脸、指纹、虹膜等其他生物识别特征技术,步态可以在远距离、非配合下进行身份识别。视角变化对步态识别的影响较大,跨视角的步态识别是识别领域最具挑战性的难题之一。
山东大学信息科学与工程学院贲晛烨副教授致力于跨视角步态识别的相关研究,针对传统度量学习算法无法做到图像形态存在较大差异时的匹配问题,发展了耦合度量学习理论,并于近期发表了系列相关研究成果,显著地提高了跨视角步态的识别精度。贲老师的相关研究已经发表在期刊Pattern Recognition、IEEE Transactions on Circuits and Systems for Video Technology、IEEE Transactions on Image Processing上。
1、 general tensor representation framework for cross-view gait recognition
(Pattern Recognition)
本文提出了一种用于跨视图步态识别的一般张量表示框架,并提出三个张量耦合映射的标准:
(1)耦合多线性局部保持准则(CMLP)旨在通过保留局部信息来检测基本张量流形结构。
(2)耦合多线性边际Fisher标准(CMMF)旨在将类内紧凑性和类间可分性与局部关系进行编码。
(3)耦合多线性判别分析准则(CMDA)旨在最小化类内散度并最大化类间散度。
对于跨视角步态的三个张量映射算法,使用交替投影优化过程迭代地学习两组多线性投影矩阵。
Xianye Ben PR
2、Coupled Bilinear Discriminant Projection for Cross-view Gait Recognition (CSVT)
(1)提出耦合双线性判别投影(CBDP)的方式来克服传统投影学习方式的不足。具体而言,CBDP使用两组双线性变换矩阵为两个视角生成匹配的步态矩阵特征,从而可以保留原始步态GEI的空间结构信息。通过迭代地最大化类间距离和类内距离的比值,学习最佳矩阵子空间。这使得CBDP能够在样本不足的情况下发挥作用。
(2)在理论上证明了CBDP的目标函数序列的上下界都是单调递增的,因此证明了CBDP的收敛性。
(3)在跨视角步态识别数据库(CASIA(B)和OUISIR )上的实验表明的该方法优于现有先进的方法。不仅如此,我们将视角差异最大、最具挑战性的侧面视角步态与正面视角步态相匹配,也能获得不错的表现。
Xianye Ben CSVT
3、Coupled Patch Alignment for Matching Cross-View Gaits
(1)提出了一种耦合块对齐(Couple Patch Alignment)算法,可以有效地匹配两个视角中同一行人的步态。首先构建一定数量的局部块,每个局部块都由一个样本及其类内和类间最近邻样本组成。然后为每个局部块设计一个目标函数,以平衡跨视角类内样本的紧凑性和跨视角类间样本的可分离性。最后,将所有局部块组合在一起,获得统一的目标函数。
(2)从理论层面证明了提出的CPA与典型相关分析有密切关系。
(3)将CPA扩展到可以处理任意数量步态角度的“多维局部块对齐”方法。
Xianye Ben TIP