好文作者面授招–20150429

【15-12期VALSE Webinar活动】

报告嘉宾1廖胜才(中科院自动化所)
主持人:林倞(中山大学)
报告题目:
不完整人脸无配准识别 [Slides]
报告时间:2015年4月29日晚20:00(北京时间)
文章信息:
[1] Shengcai Liao, Anil K. Jain, and Stan Z. Li, “Partial Face Recognition: Alignment Free Approach,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.35, No.5, pp. 1193-1205, May 2013. [PDF]
报告摘要:人脸识别经过几十年的发展,获得了极大的进步,基本解决了约束人脸识别的问题。然而,实际应用中仍然有诸多待解决的难题,比如在人流密集的监控场景中,很多人脸会被严重遮挡造成识别困难。这些人脸图像甚至会造成眼睛定位或其他关键点定位的失败,从而无法实现传统人脸识别方法依赖的人脸配准。本次报告将特别介绍如何针对任意的不完整的人脸图像实现不依赖于配准的识别,从而有效地利用数据,提升人脸识别在困难条件下的可用性。具体地,将介绍一个基于多关键点描述子的无配准人脸表征方法,该方法不再受限于提取固定大小的人脸特征模板,而是依据人脸图像的实际信息获取大小不一的表述。进一步地,可以构建一个大容量的关键点描述子字典,从而通过查询图像逐个关键点的稀疏表达推知可能的身份。报告最后将介绍相关实验和一些新颖的评估方法。
报告人简介:廖胜才博士是中科院自动化所模式识别国家重点实验室副研究员。2005年获中山大学数学与应用数学学士学位,2010年获中科院自动化所模识识别与智能系统博士学位,2010至2012年于美国密歇根州立大学计算机系从事博士后研究。主要从事模式识别和计算机视觉方面的研究工作,侧重于图像和视频分析领域,特别是人脸检测与识别,行人再辨识,度量学习,和智能视频监控。廖博士在主流国际期刊和会议上已发表论文60余篇,包括IEEE TPAMI,TIP,PR,ICCV,CVPR,ECCV等,论文被引超过1600次,H指数18(Google Scholar)。曾获ICB 2006优秀学生论文奖和ICB 2007最佳论文第一名。因人脸识别电子票证系统研发被2008北京奥运会安保部授予突出贡献荣誉。同时获得ECCV 2014目标跟踪竞赛第4名, IJCB 2014最佳审稿人。曾任Springer《生物特征识别百科全书》助理编辑,葡萄牙国家基金委海外评审专家,受邀为TPAMI、IJCV、ICCV、CVPR、ECCV等期刊和会议审稿人。

报告嘉宾2李东(广东工业大学)
主持人:贾伟(中科院合肥物质科学研究院)
报告题目:Pore-scale Facial Feature Extraction and Its Application [Slides]
报告时间:2015年4月29日晚20:00(北京时间)
文章信息:
[1] Dong Li and Kin-Man Lam, Design and Learn Distinctive Features from Pore-scale Facial Keypoints, Pattern Recognition, 48(3), pp. 732-745, 2015. [PDF]
[2] Dong Li, Huiling Zhou and Kin-Man Lam, High-Resolution Face Verification Using Pore-scale Facial Features, IEEE Transactions on Image Processing, 24(8), pp. 2317-2327, 2015. [PDF]
报告摘要:Establishing correct correspondences between two faces with different viewpoints has played an important role in 3D face reconstruction and other computer-vision applications. Usually, face images are considered to lack sufficient distinctive features to establish a large number of correspondences on uncalibrated images. In this paper, we investigate pore-scale facial features, which are formed from pores, fine wrinkles, and hair. These features have many characteristics that make them suitable for matching facial images under different variations. Using both biological observation and computer-vision consideration, a new framework is devised for pore-scale facial-feature extraction and matching. The matching difficulty under various skin appearances of different subjects and imaging distortion is also analyzed. For further improving the matching performance and tackling distortions such as varying illuminations and unfocused blurring, a pore-to-pore correspondences dataset is established for training a more distinctive and compact descriptor. Experiments are conducted on a face database containing 105 subjects, and the results prove that the pore-scale features are highly distinctive; face images with a minimum resolution of 600$\times$700 (0.4 mega) pixels contain sufficient details to perform a reliable matching in different poses. Generally, our algorithm can establish between 500 and 2\;000 correct correspondences on a pair of uncalibrated face images of the same person. Furthermore, the proposed methods can be applied to face recognition, differentiating identical twins, 3D reconstruction, etc.
报告人简介:李东,男,广东工业大学讲师。 分别于2006年和2009年在天津大学计算机系取得学士学位和硕士学位,2014年在香港理工大学电子信息工程系取得博士学位。研究兴趣包括计算机视觉,模式识别和图像处理。已在 PR, TIP, ICIP, ICME 等优秀期刊和会议上发表论文多篇。首次提出利用双眼间距大于280像素的人脸图像提取可重复定位检测的毛孔尺度特征,从而成功进行了无标定人脸图像毛孔到毛孔的一一匹配,进而提出了一种利用毛孔尺度特征的高清人脸识别方法。近期,利用改进的毛孔尺度特征,在ND-Twins数据库可控条件下取得了99.8%的识别率,不可控条件下依然取得超过95%的识别率,为当前世界最好成绩。更多信息请见http://drdongli.github.io。

(Visited 447 times, 1 visits today)