面向鲁棒识别的基于局部性约束表示的高效人脸对齐
计算机视觉与模式识别
2015-11-03 v2
摘要
实用的人脸识别在过去几十年中已被广泛研究，但仍然是一个开放性挑战。当前的主流方法在识别准确率方面已取得重大突破。然而，如果人脸样本严重未对准，其性能通常会急剧下降。为解决这一问题，我们提出了一种用于实用实时人脸识别的高效且对未对准鲁棒的局部性约束表示（MRLR）算法。具体而言，将激活最相关原子并抑制不相关原子的局部性约束应用于构建人脸对齐字典。然后，我们同时对齐扭曲的人脸并更新局部性约束字典，最终获得对齐结果。此外，我们利用块结构来加速所导出的解析解。在公开数据集上的实验结果表明，MRLR 在效率和可扩展性方面显著优于几种 SOTA 方法，且具有更好的性能。
引用
@article{arxiv.1507.07073,
title = {Efficient Face Alignment via Locality-constrained Representation for Robust Recognition},
author = {Yandong Wen and Weiyang Liu and Meng Yang and Zhifeng Li},
journal= {arXiv preprint arXiv:1507.07073},
year = {2015}
}