基于联合贝叶斯的人脸验证

特征表示
人脸由两个高斯变量的和表征：$x=\mu +\epsilon$
这里$x$代表人脸，$\mu$代表固有身份，$\epsilon$代表脸部变化（光照，姿态，表情等）。隐变量$\mu$代表固有身份，$\epsilon$服从高斯分布$N(0,\Sigma \epsilon )$,$N\left(0,S_{\epsilon }\right)$
以照片$x_i$和$x_j$为例, x i = μ i + ϵ i , x j = μ j + ϵ j , i , j ∈ { 1 , 2 } x_{i}=\mu_{i}+\epsilon_{i}, x_{j}=\mu_{j}+\epsilon_{j}, i, j \in\{1,2\} xi​=μi​+ϵi​,xj​=μj​+ϵj​,i,j∈{ 1,2}
$\begin{array}{rl}\mathrm{cov}\left(x_i,x_j\right)& =\mathrm{cov}\left({\mu }_i,{\mu }_j\right)+\mathrm{cov}\left({\mu }_i,{ϵ}_j\right)+\mathrm{cov}\left({ϵ}_i,{\mu }_j\right)+\mathrm{cov}\left({ϵ}_i,{ϵ}_j\right)\\ & =\mathrm{cov}\left({\mu }_i,{\mu }_j\right)+0+0+\mathrm{cov}\left({ϵ}_i,{ϵ}_j\right)(\text{ Because }ϵ\text{ and }\mu \text{ are independent })\\ & =\mathrm{cov}\left({\mu }_i,{\mu }_j\right)+\mathrm{cov}\left({ϵ}_i,{ϵ}_j\right)\end{array}$
判断依据推导
$p\left(x_1,x_2\mid H_I\right)\sim \mathcal{N}\left(0,{\Sigma }_I\right),p\left(x_1,x_2\mid H_E\right)\sim \mathcal{N}\left(0,{\Sigma }_E\right)$
在HI假设下，即两张脸属于同一个人，本征变量μ1,μ2是相同的，而且ϵ1,ϵ2是相互独立的
$${\Sigma }_I=\left[\begin{array}{cc}{S}_{\mu }+S_{ϵ}& S_{\mu }\\ S_{\mu }& S_{\mu }+S_{ϵ}\end{array}\right]$$
在HE假设下，μ,ϵ都是独立的
$${\Sigma }_E=\left[\begin{array}{cc}{S}_{\mu }+S_{ϵ}& 0\\ 0& S_{\mu }+S_{ϵ}\end{array}\right]$$
$${\Sigma }_I^{-1}(仅仅作为标记)=(\begin{array}{c}F+G\\ G\end{array}$$