面向每人单样本视频人脸识别的域特定人脸合成
计算机视觉与模式识别
2018-10-03 v2
摘要
静态到视频人脸识别（FR）系统的性能可能显著下降，因为通过多个摄像机在非受限操作域（OD）中捕获的人脸，与在注册域（ED）中使用静态相机在受控条件下捕获的人脸相比，具有不同底层数据分布。当使用单张参考静态图像将个体注册到系统时，这一点尤为明显。为提高这些系统的鲁棒性，可通过基于原始静态图像生成合成人脸来扩充参考集。然而，在缺乏 OD 知识的情况下，必须生成许多合成图像以涵盖所有可能的捕获条件。因此，FR 系统在基于大量相关性较低的图像进行训练时，可能需要复杂的实现并导致较低准确率。本文介绍了一种域特定人脸合成（DSFS）算法，其利用了从 OD 中可获得的代表性类内变化信息。在运行前，通过在捕获条件空间中进行聚类，从 OD 中出现的未知人员里选出一组紧凑的人脸。这些人脸图像的域特定变化通过在一个 3D 重建框架中集成基于图像的面部重光照技术，投影到参考静态图像上。从而生成一组紧凑的合成人脸，其在与 OD 相关的捕获条件下类似于目标个体。在基于稀疏表示分类的一种特定实现中，利用 DSFS 生成的合成人脸来构成一个考虑结构化稀疏性的跨域字典。实验结果表明，与使用最先进的方法相比，采用所提 DSFS 方法扩充 FR 系统的参考图库集能够提供更高水平的准确率，且仅带来计算复杂度的适度增加。
引用
@article{arxiv.1801.01974,
title = {Domain-Specific Face Synthesis for Video Face Recognition from a Single Sample Per Person},
author = {Fania Mokhayeri and Eric Granger and Guillaume-Alexandre Bilodeau},
journal= {arXiv preprint arXiv:1801.01974},
year = {2018}
}