一种有效的无约束相关滤波器及其核化用于人脸识别
计算机视觉与模式识别
2016-03-28 v1
摘要
本文提出一种称为无约束最优原点权衡滤波器（UOOTF）的有效无约束相关滤波器，并应用于鲁棒人脸识别。与类依赖特征分析（CFA）中的传统相关滤波器相比，UOOTF通过在滤波器设计过程中去除对原点相关输出的硬约束，提升了对未知模式的整体性能。为处理不同类之间非线性可分的分布，我们进一步基于核技术开发了UOOTF的非线性扩展。UOOTF的核扩展由于更广范围的非线性特性，允许决策边界具有更高的灵活性。实验结果证明了所提出的无约束相关滤波器及其核化在人脸识别任务中的有效性。
引用
@article{arxiv.1603.07800,
title = {An Effective Unconstrained Correlation Filter and Its Kernelization for Face Recognition},
author = {Yan Yan and Hanzi Wang and Cuihua Li and Chenhui Yang and Bineng Zhong},
journal= {arXiv preprint arXiv:1603.07800},
year = {2016}
}