Face photo recognition using sketch (人脸画像合成)
paper(原文): Xiaoou Tang, Xiaogang Wang. “Face photo recognition using sketch.” Proceedings. International Conference on Image Processing. Vol. 1. IEEE, 2002.
1. Eigenface
1.1
利用协方差矩阵得到eigenvectors(也称为eigenfaces)后,任意一张人脸图像都可以用eigenfaces的权重来表示。
这些权重构成了表示人脸的征向量。
当给定新的测试图像后,权重系数(特征向量)通过将图像投影到eigenvectors构成的空间得到。之后分类任务可以通过比较测试图像和gallery set图像的特征向量来完成。
投影:比如三维空间的一个向量xxx(有长度和方向),可以将它分别投影到三个坐标轴。也就是通过向量叉乘或者向量点积,得到每个方向的分量是多少。
1.2
对于给定的一张人脸图像, 可以表示为n维向量qqq。对于训练数据中的M张图像取平均。得 qu=1M∑i=1Mqiq_u= \frac{1}{M} \sum_{i=1}^M q_iqu=M1∑i=1Mqi。
之后得到减去均值后的每张图像pi=qi−qup_i=q_i-q_upi=qi−qu。
训练集合构成了一个N×MN \times MN×M的矩阵P=[p1,p2⋯ ,pM]P=[p_1,p_2\cdots,p_M]P=[p1,p2⋯,pM].
这样得到协方差矩阵W=PPTW=PP^TW=PPT,后续应该对这个矩阵进行特征分解得到特征向量来作为我们的特征脸(eigenfaces)。但是由于N较大(图像中的像素太多),论文采用另一种方式得到特征向量。
先对PTPP^TPPTP特征分解,得(PTP)VP=VP∧P(P^TP)V_P=V_P\wedge_P(PTP)VP=VP∧P。
两边左乘PPP,可得:(PPT)PVP=PVP(PP^T)PV_P=PV_P(PPT)PVP=PVP
所以W=PPTW=PP^TW=PPT的正交eigenvetor matrix 为EP=PVP∧−12E_P=PV_P\wedge^{-\frac{1}{2}}EP=PVP∧−21,(EpE_pEp is a nnn by mmm matrix)证明见下:
proof:
(PTP)VP=VP∧P(P^TP) V_P =V_P\wedge_P(PTP)VP=VP∧P
⇒VPT(PTP)VP=∧P\Rightarrow V_P^T(P^TP)V_P =\wedge_P⇒VPT(PTP)VP=∧P
⇒∧P−12VPT(PTP)VP∧P−12=I\Rightarrow \wedge_P^{-\frac{1}{2}}V_P^T(P^TP)V_P \wedge_P^{-\frac{1}{2}}=I⇒∧P−21VPT(PTP)VP∧P−21=I
所以EPTEp=∧−12VPTPTPVP∧−12=∧−12VPTPTPVP∧−12=IE_P^T E_p=\wedge^{-\frac{1}{2}} V_P^T P^T P V_P \wedge^{-\frac{1}{2}} =\wedge^{-\frac{1}{2}} V_P^T P^T P V_P \wedge^{-\frac{1}{2}}=IEPTEp=∧−21VPTPTPVP∧−21=∧−21VPTPTPVP∧−21=I
所以E_P正交,又因为(PPT)PVP∧P−12=PVP∧P−12∧P32(PP^T) PV_P\wedge_P^{-\frac{1}{2}} =PV_P\wedge_P^{-\frac{1}{2}}\wedge_P^{\frac{3}{2}}(PPT)PVP∧P−21=PVP∧P−21∧P23,
所以E_P是W的eigenvetor matrix。
得到了eigenvectors之后,对于给定的人脸照片PkP_kPk, 投影系数bpb_pbp可以通过bp=EpTPkb_p=E_p^T P_kbp=EpTPk确定 (将n维向量投影到m个特征脸构成的空间)。bpb_pbp就是用于人脸分类的特征向量。
这样人脸可以通过等过eigenvectorsEPE_PEP和权重系数bpb_pbp重构,即 Pr≈EpbpP_r \approx E_p b_pPr≈Epbp。
2. Face photo recognition using sketch
2.1
给定一些照片和对应的素描画像。要求输入新的照片后能够生成对应的画像。
在训练集中:
pr=PVp∧−12bp=Pcpp_r= PV_p\wedge^{-\frac{1}{2}}b_p=Pc_ppr=PVp∧−21bp=Pcp,其中cp=Vp∧−12bp=[cp1,cp2,...,cpM]Tc_p=V_p \wedge^{-\frac{1}{2}}b_p=[c_{p_1},c_{p_2},...,c_{p_M}]^Tcp=Vp∧−21bp=[cp1,cp2,...,cpM]T。
pr=Pcp=∑i=1Mcpipip_r=Pc_p=\sum_{i=1}^M c_{p_i}p_ipr=Pcp=i=1∑Mcpipi
也就是说训练集中的特征脸组合出了一个新的脸,
假设它们对应的画像保持相同的线性关系,有:
sr=∑i=1Mcpisis_r=\sum_{i=1}^M c_{p_i}s_isr=i=1∑Mcpisi
也就是说测试的时候,给出一张照片,通过bp=EpTPkb_p=E_p^T P_kbp=EpTPk得到feature vector(投影系数),然后根据cp=Vp∧−12bpc_p=V_p \wedge^{-\frac{1}{2}}b_pcp=Vp∧−21bp求出cpc_pcp。
在根据特征脸照片对应的画像和cpc_pcp线性组合得到待求的人脸画像srs_rsr。
这种假设明显有它的合理性:如果训练集中的一个画像对应的照片和测试时给定的照片越相近,这张画像对于待求画像的生成贡献就应该越大。
举个极端的例子:如果给定特征脸中的一张照片来测试,那么这张特征脸的权重系数应该为1,其它特征脸的系数应该为0。这样重构出的画像就是训练集中这张特征脸对应的画像。
2.2
这样,
- 利用训练集中的画像得到一个eigensketch vectors。
- 将galleryset中的照片通过上述方法转换成画像。
- 这样给定一个probe画像后,就可以通过eigenface的方法进行人脸识别了。(将它们都投影到eigensketch vectors 上得到feature vectors,再根据feature vectors的距离远近来分类)
Face photo recognition using sketch (人脸画像合成)相关推荐
- 《中国人工智能学会通讯》——11.52 基于直推式学习的异质人脸图像 合成
11.52 基于直推式学习的异质人脸图像 合成 前面介绍的方法都是基于归纳式学习(InductiveLearning) 的,这些方法取得了不错的效果,但是它们也使得测试样本风险误差增加,进而可能影响合 ...
- 图像质量评价和人脸素描合成
主要知识点 图像质量评价 人脸素描合成 图像质量评价 人脸素描合成
- face recognition[翻译][深度人脸识别:综述]
这里翻译下<Deep face recognition: a survey v4>. 1 引言 由于它的非侵入性和自然特征,人脸识别已经成为身份识别中重要的生物认证技术,也已经应用到许多领 ...
- 【读点论文】FaceNet: A Unified Embedding for Face Recognition and Clustering 人脸向量映射到一个特定空间后成为一种集成系统
FaceNet: A Unified Embedding for Face Recognition and Clustering 大规模有效实施人脸验证和识别对当前方法提出了严峻挑战.在本文中,提出了 ...
- 基于face recognition OpenCV 的人脸考勤系统
人脸考勤系统客户端的主要功能有:人脸识别.网络通信.数据可视化,信息展示等:主要界面: 2.2.1 人脸识别模块 人脸识别模块是基于 face recognition 库实现的,face recogn ...
- 使用素描图像识别人脸
使用素描图像识别人脸 说明 论文<Face Photo Recognition Using Sketch>(Xiaoou Tand and Xiaogang Wang)中提出了一种算法,实 ...
- 《中国人工智能学会通讯》——11.51 基于幻象技术的异质人脸图像合成
11.51 基于幻象技术的异质人脸图像合成 基于稀疏特征选择的方法,以及现有的大部分算法在合成人脸图像时,多是采用线性组合的方式.线性组合,即线性加权平均,可以看作一低通滤波器,会过滤掉一些高频细节信 ...
- 机器学习_深度学习毕设题目汇总——人脸B
下面是该类的一些题目: 题目 三维人脸重建及其应用 低质量人脸图像还原方法研究 基于GAN和CNN模型的人脸画像合成方法 基于局部二值模式的人脸图像特征提取研究 基于机器视觉的人脸民族特征提取方法及其 ...
- 人脸识别开源网络笔记
https://github.com/HaoSir/ECCV-2020-Fair-Face-Recognition-challenge_2nd_place_solution-ustc-nelslip- ...
- ECCV 2020 论文大盘点-人脸技术篇
本文盘点ECCV 2020 所有与人脸相关的研究,涵盖人脸各子领域,总计46篇文章,涉及21个方向. 除了常见的人脸检测.对齐.识别.活体检测,人脸合成.编辑.重建.动画等技术都非常吸引人. 下载包含 ...
最新文章
- java jni key_JNIKeyProtection
- android圆形图形的设置
- 手撕 CNN 经典网络之 VGGNet(PyTorch实战篇)
- Linux内存管理(经典)
- 职业发展鉴定方法:第一行:自己行 第二行:大家说你行 第三行:领导行 就这么简单,去努力吧,如果你做到了这三个行,那么你肯定行...
- java新建对象校验_验证某个对象是否是一个mock对象或者一个spy对象
- 明天起100亿消费券来袭,请作好准备!
- 华为方舟编译器正式上线 已经拥有45家合作伙伴
- 使用AspNet Core或纯静态HTML文件的跨平台桌面应用程序
- linux磁盘的命令是,linux磁盘相关的命令
- 微信公众号数据2019_如何制作微信公众号图文素材 微信公众号采集器好用吗
- 【自我救赎--牛客网Top101 4天刷题计划】 第一天 热身运动
- python遗传算法求解TSP问题
- FME转换器参考手册目录汉化索引
- vscode 脑图插件mindmap
- leetcode 每日一题—274.H指数
- ubuntu服务器安装可视化桌面(Gnome)
- 2021年深圳市专精特新中小企业申报要求及遴选内容指南,包括补贴20万
- 关于置信度和置信区间的解释
- js点击下载文件的几种情况
热门文章
- 计算机视觉:步态识别-综述(一)
- ISweek工采网·工采电子参展OFweek维科网 2021全球数字经济产业大会圆满落幕
- Python编程语言入门视频教程,人生苦短,我用Python!
- 计算机电脑配置ppt,计算机应用基础之word2010课件.ppt
- 使用depends查看64位dll/exe
- 计算机导论课程思政,《计算机导论》课程教学中的思政教育.doc
- 四十五、 Redis云平台CacheCloud搭建之二进制文件
- Spring Boot 项目集成Windows域账户认证
- 【技术教程】如何调用宇视SDK实现摄像机的云台控制?
- 常用符号大全 特殊符号