有遮挡人脸识别研究报告

例子一
新评估准则的应用
浙江工业大学 网络与多媒体研究所
例子二
新评估准则的应用
浙江工业大学 网络与多媒体研究所
内容提纲

研究动机 现有的误差编码方法 误差度量算子 遮挡检测的评估准则 仍然存在的问题 参考文献
浙江工业大学 网络与多媒体研究所
仍然存在的问题(一)

速度问题：迭代是必须的？
浙江工业大学 网络与多媒体研究所
加权误差编码模型

RSC: Robust Sparse Coding
max Lμ (^ e) s:t: e ^ = y ¡ Ax; kxk1 · ²

CESR: Correntropy-based Sparse Representation
max kg (y ¡ Ax)k1¡¸ kxk1 s:t: x ¸ 0
遮挡检测: 对重构误差进行阈值聚类
浙Hale Waihona Puke Baidu工业大学 网络与多媒体研究所
例子二
对检测结果的评估
这时，如果按边缘轮廓来评估，就会得到错误的结果。
浙江工业大学 网络与多媒体研究所
新的评估准则
最小化 未遮挡部份的误差+ * 遮挡部份的周长 未遮挡部份的误差变化 遮挡部份的轮廓变化
浙江工业大学 网络与多媒体研究所
x

Weighted Error Coding
min kw (y ¡
x;w 2 Ax)k2+Á (w )
s:t: x is sparse
浙江工业大学 网络与多媒体研究所
内容提纲

研究动机 现有的误差编码方法 误差度量算子 遮挡检测的评估准则 仍然存在的问题 参考文献
浙江工业大学 网络与多媒体研究所
浙江工业大学 网络与多媒体研究所
对数域下的误差度量: 现象
浙江工业大学 网络与多媒体研究所
对数域下的误差度量: 数学和心理学原理
4.5 4 3.5 3 2.5 2 1.5 1 0.5 0
log x
'

1 x
Weber’s Law: The ratio of the increment threshold to the background intensity is a constant: I / I k
log
浙江工业大学 网络与多媒体研究所
对数域下的误差度量: Retinex算法


The image gray level I(x; y) can be assumed to be proportional to the product of the reflectance R(x; y) and the illumination L(x; y) [1], i.e., I x, y R x, y L x, y The error between I1 and I 2 in the spatial domain: I1 x, y I 2 x, y R x, y L1 x, y R x, y L2 x, y I1 x, y I 2 x, y R x, y L1 x, y L2 x, y The error in the log domain:
浙江工业大学 网络与多媒体研究所
例子一
对检测结果的评估(I): 未遮挡部份的误差
ABS:
0.97
0.42
0.54
0.29
0
0.32
0.59
0.8
1
浙江工业大学 网络与多媒体研究所
例子一
对检测结果的评估(II): 遮挡部份的轮廓
提取边缘轮廓
如何评估形 状的好坏？
浙江工业大学 网络与多媒体研究所
例子二
浙江工业大学 网络与多媒体研究所
研究动机(二): 现有方法的不足
y
A
浙江工业大学 网络与多媒体研究所
内容提纲

研究动机 现有的误差编码方法 误差度量算子 遮挡检测的评估准则 仍然存在的问题 参考文献
浙江工业大学 网络与多媒体研究所
现有的误差编码方法
^=yªy ^ = y ª Ax e
浙江工业大学 网络与多媒体研究所
谢谢关注！
浙江工业大学 网络与多媒体研究所
浙江工业大学 网络与多媒体研究所
研究动机(二): 现有方法的不足
y
A
Locally Salient Features (LSF) SRC: Sparse Representation-based Classification CESR: CorrEntropy-based Sparse Representation
有遮挡人脸识别的误 差编码方法
——研究工作报告
报告人: 李小薪 研究方向: 图像处理与模式识别 浙江工业大学计算机科学与技术学院
内容提纲

研究动机 现有方法 误差度量算子 遮挡检测的评估准则 仍然存在的问题 参考文献
浙江工业大学 网络与多媒体研究所
研究动机(一): 现实中遮挡处处存在
浙江工业大学 网络与多媒体研究所

各种误差度量算子的比较
浙江工业大学 网络与多媒体研究所
内容提纲

研究动机 现有的误差编码方法 误差度量算子 遮挡检测的评估准则 仍然存在的问题 参考文献
浙江工业大学 网络与多媒体研究所
例子一
遮挡检测: 对重构误差进行阈值聚类
重构
计算误差
对误差进行阈值聚类
浙江工业大学 网络与多媒体研究所
仍然存在的问题(二)

视觉问题：重构是必须的？
浙江工业大学 网络与多媒体研究所
仍然存在的问题(三)

误差度量算子是最优的？
浙江工业大学 网络与多媒体研究所
参考文献


Xiao-Xin Li, Dao-Qing Dai, Xiao-Fei Zhang, et al, Face Recognition With Continuous Occlusion Using Partially Iteratively Reweighted Sparse Coding, First Asian Conference on Pattern Recognition (ACPR), 2011: 293-297. (口头报告) Xiao-Xin Li, Dao-Qing Dai, Xiao-Fei Zhang, et al. Structured Sparse Error Coding for Face Recognition with Occlusion, IEEE Transactions on Image Processing, vol. 22, no. 5, pp. 1889-1900, 2013.
log I1 x, y log I 2 x, y log L1 x, y log L2 x, y
[1] B. K. P. Horn, Robot Vision. Cambridge, MA: MIT Press, 1986.

`2=`1 model (LASSO, BPDN, SRC)
minx ky ¡

2 Axk2
s:t: kxk1 · ²
`1=`1 model (RSRC, Cross and Bouquet (CAB))
minx ky ¡ Axk1 s:t: kxk1 · ²
min kxk1 + ¸ ke ^k1 s:t: e ^ = y ¡ Ax
0 2 4 6 8 10 12 14 16 18 20
浙江工业大学 网络与多媒体研究所
对数域下的误差度量: 图像增强

Logarithm transform is often used in image enhancement to expand the values of dark pixels.
具有局部性的误差度量: CIM
,
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -2
1
exp
|
|2
=0.1 =0.2 =0.5 =1
-1.5
-1
-0.5
0
0.5
1
1.5
2
浙江工业大学 网络与多媒体研究所
具有局部性的误差度量: CIM
, 1 exp | |2