《Bayesian Face Revisited: A Joint Formulation》论文解读
这篇文章发表于ECCV2012,来自MSRA的孙剑组。论文原文见:
概述
本文要解决的问题是获得人脸特征以后如何判断是不是同一个人。经典的贝叶斯人脸识别方法是为两个人脸的差异进行建模,但是作者看到这种方法降低了可分性。本文将两个人脸进行联合建模,并使用了一个先验条件简化了计算,模型的学习使用了EM算法。本文的方法优于经典的Bayesian face,在LFW数据集取得了92.4%的正确率。本文中人脸特征采用的是高维LBP特征(维度高达100k)。
Bayesian Face
两张人脸分别表示为 x1 和 x2 , HI 表示两个人脸属于同一个人, HE 表示两个人脸属于不同人。人脸验证问题就转变为将 Δ=x1−x2 进行分类的问题,也就是判断 P(HI|Δ) 和 P(HE|Δ) 的大小。根据贝叶斯公式:
P(HI|Δ)=P(Δ|HI)∗P(HI)P(Δ)
P(HD|Δ)=P(Δ|HD)∗P(HD)P(Δ)
其中,先验概率 P(HI)=P(HD) ,判断两个脸是不是同一个人只需要比较上面两个后验概率的大小。
将上面两个式子相除,可得:
P(HI|Δ)P(HD|Δ)=P(Δ|HI)P(Δ|HD)
把似然比拿出来可以写成
r(x1,x2)=logP(Δ|HI)P(Δ|HD)
根据 r(x1,x2) 就可以判断两张脸是不是属于同一个人,若 r(x1,x2)>0 则 P(HI|Δ) 大于 P(HE|Δ) ,可以认为是同一个人。根据实际要求,还可以调节 r(x1,