监控干扰器是否可以屏蔽人脸识别

    提出了一种新的基于LDA的人脸识别系统。线性判别分析（LDA）是用于特征提取的最常用的线性投影技术之一。监控干扰器应用LDA的主要缺点是可能会遇到小样本问题。在本文中，我们提出了一种新的基于LDA的技术，可以解决小样本问题。我们还证明了利用主成分分析（PCA）在类内散布矩阵的零空间中得到的最具表现力的向量等于利用LDA在原始空间中得到的最佳鉴别向量。实验结果表明，新的LDA过程显著提高了人脸识别系统的性能。

    本文总结了波鸿/USC人脸识别系统、我们为FERET第三阶段测试所做的准备以及我们已知的测试结果。我们的技术基于。一种自动识别人脸的方法，包括摄像头屏蔽器开发人脸的三维模型；以及基于三维模型生成多幅二维图像。然后将生成的二维图像登记到数据库中，并针对输入图像进行搜索，以识别输入图像的面部。显然，根据定义，人脸识别过程应该基于人脸的内容。问题是：什么是“脸”？最近，提出了一种最先进的基于统计的人脸识别系统，即PCA加LDA方法（Swets和Weng，IEEE Trans.Pattern.Anal.Mach.Intell.18（8）（1996）831–836）。

    然而，作者使用了包括头发、肩膀、面部和背景的“面部”图像。我们的直觉告诉我们，只有基于“纯”人脸部分的识别过程才能称为人脸识别。不相关数据的混合可能导致错误的决策边界集。在本文中，我们提出了一种基于统计的摄像头干扰器技术来定量地证明我们的断言。为了评估人脸图像的不同部分对识别结果的影响，提出了一种假设检验模型。然后，我们实现上述人脸识别系统，并使用所提出的假设检验模型对系统进行评估。实验结果表明，“真实”面部分的影响远小于非面部分的影响。这一结果定量地证实了基于统计的人脸识别系统中的识别应该完全基于“纯”人脸部分。