Sparse Graphical Representation based Discriminant Analysis for Heterogeneous Face Recognition
Xidian University（西安电子科技大学）
在异构环境中捕获的面部图像，例如，由艺术家或合成物生成软件生成的草图、由普通照相机拍摄的照片和由相应的红外成像设备捕获的红外图像，通常具有较大的纹理（即，风格）差异。这导致与在均匀环境中捕获的图像上的性能相比，传统的面部识别方法的性能严重下降。在本文中，我们提出了一种新的基于稀疏图形表示的判别分析（SGR-DA）方法来解决上述异构场景下的人脸识别。设计了一种自适应稀疏图表示方法来表示异构人脸图像，并通过构造马尔可夫网络模型来生成自适应稀疏向量。为了处理复杂的人脸结构，进一步提高区分度，提出了一种基于空间划分的判别分析框架，以细化用于人脸匹配的自适应稀疏向量。我们在六个常用的异构人脸数据集上进行了实验，实验结果表明，与最先进的方法相比，我们提出的SGR-DA方法具有更好的性能。
2016-07-01 cs.CV
Robust Face Recognition using Local Illumination Normalization and Discriminant Feature Point Selection
Kim Il Sung University（金日成大学）
人脸识别系统必须对人脸表情、光照、头部姿态和年龄等各种因素的变化具有鲁棒性。特别是，对光照变化的鲁棒性是人脸识别系统实际应用中需要解决的最重要的问题之一。Gabor小波由于能够模拟人类视觉系统的功能而被广泛应用于人脸检测和识别中。本文提出了一种在局部光照变化下保持稳定的Gabor小波特征提取方法，并给出了实验结果，证明了该方法的有效性。
2012-12-11 cs.CV cs.LG
Principal Component Analysis-Linear Discriminant Analysis Feature Extractor for Pattern Recognition
COMSATS Institute of Information Technology（COMSATS信息科学技术学院）
随着第四代通信设备的出现和安全系统的进步，嵌入式生物识别系统的鲁棒性是至关重要的。本文介绍了这些技术的实现，这需要可靠的和无错误的生物识别身份验证系统。由于高维图像空间的特征分解和小样本情况下散射矩阵的退化，不允许出现高维模式。通过最小化权向量来控制泛化、降维和最大化边缘。实验结果表明，本文提出的多模态生物特征识别系统具有良好的模式识别效果。本文的目的是研究一个生物特征识别系统，使用主成分分析和Lindear判别分析与K-最近邻和实现这样的系统在实时使用SignalWAVE。
2012-04-05 cs.CV
Devnagari Handwritten Numeral Recognition using Geometric Features and Statistical Combination Classifier
Government Polytechnic, Gondia（贡迪亚政府理工学院）；Government Polytechnic, Nagpur（那格浦尔政府理工学院）
提出了一种基于统计判别函数的Devnagari数值识别方法。基于像素连接性、线、线方向、孔、图像面积、周长、偏心率、坚固性、取向等的17个几何特征用于表示数字。五个判别函数，即线性，二次，对角线性，对角二次和马氏距离用于分类。1500个手写数字用于训练。另外1500个手写数字用于测试。实验结果表明，线性、二次和马氏判别函数能提供较好的结果。这三个判别式的结果被馈送到多数投票类型的组合分类器。结果表明，组合分类器比单个分类器具有更好的分类效果。
2013-10-21 cs.CV
Deep Fisher Discriminant Learning for Mobile Hand Gesture Recognition
Beihang University（北京航空航天大学）；China University of Mining and Technology（中国矿业大学）；University of Central Florida（中佛罗里达大学）；Nortumbria Univesity（诺森比亚大学）
手势识别是生物特征识别领域的一个具有挑战性的问题。本文将Fisher准则引入到双向长短期记忆（BLSTM）网络和双向门控递归单元（BGRU）中，得到了两个新的深度模型F-BLSTM和F-BGRU。两种Fisher判别式深度模型都可以基于分析人类手势的加速度和角速度数据来有效地对手势进行分类。此外，我们收集了一个大型的移动手势数据库（MGD）的基础上的加速度和角速度包含5547序列的12个手势。进行了大量的实验，以验证所提出的网络相比，最先进的BLSTM和BGRU的MGD数据库和两个基准数据库（即BUAA移动手势和SmartWatch手势）的优越性能。
2017-07-12 cs.CV
A Stable Minutia Descriptor based on Gabor Wavelet and Linear Discriminant Analysis
Kim Il Sung University（金日成综合大学）
细节点描述子是描述指纹细节点特征的一种方法，在指纹识别中起着重要的作用。通常，指纹识别系统采用细节描述符来找到细节之间的潜在对应关系，并且它们使用两个细节描述符之间的相似性来计算两个指纹图像之间的总体相似性。一个好的细节描述子可以提高指纹识别系统的识别精度，并大大减少比对时间。一个好的细节点描述符应该具有很高的区分不同细节点的能力，同时应该在包括低质量图像和小尺寸图像在内的困难条件下具有鲁棒性。它也应该是有效的描述符之间的相似性的计算成本。本文利用Gabor小波和线性鉴别分析构造了一种鲁棒的细节点描述子。该特征描述子具有识别能力强、稳定性好、比较方法简单等特点。在FVC 2004和FVC 2006指纹库上的实验结果表明，该特征描述子在指纹识别中具有很好的识别效果。
2018-09-06 cs.CV stat.AP
Revisiting Competitive Coding Approach for Palmprint Recognition: A Linear Discriminant Analysis Perspective
Beijing Institute of Technology（北京理工大学）
竞争编码方法（CompCode）是最有前途的掌纹识别方法之一。由于其高性能和简单的配方，多年来一直在不断研究。然而，尽管已经提出了CompCode的许多变体，但仍然缺乏对该方法的详细分析。在本文中，我们首次从线性判别分析（LDA）的角度对CompCode进行了详细的分析。一个非平凡的充分条件下，CompCode是最佳的意义上的Fisher准则。根据我们的分析，我们检查了掌纹的统计数据，并得出结论，CompCode偏离了最佳条件。为了减轻这种偏差，我们提出了一种新的方法，称为类特定的CompCode，通过排除非手掌线区域进行匹配来改进CompCode。为了进一步提高计算精度，本文还引入了竞争码的非线性映射。在两个公共数据库上的实验证明了该方法的有效性。
2022-06-30 cs.CV cs.LG
Robust Cross-View Gait Recognition with Evidence: A Discriminant Gait GAN (DiGGAN) Approach
Newcastle University（纽卡斯尔大学）；University of Cambridge（剑桥大学）；Durham University（杜伦大学）；Georgia Institute of Technology（佐治亚理工学院）
步态作为一种生物特征，在过去几十年中，在身份识别和认证等许多安全和隐私应用中引起了人们的广泛关注。由于其作为长距离生物特征的性质，步态可以很容易地收集，并用于通过闭路电视摄像头非侵入性地识别个人。然而，这是非常困难的，以开发强大的自动步态识别系统，因为步态可能会受到许多协变量因素，如服装，步行速度，摄像机视角等，其中，大的视角变化已被视为最具挑战性的因素，因为它可以改变整体步态外观显着。现有的步态识别工作远远不足以提供令人满意的性能，因为这样的视图变化。此外，很少有工作考虑证据-可证明的信息揭示决策的可靠性，这被认为是基于机器学习的识别/认证应用程序中的重要需求。为了解决这些问题，在本文中，我们提出了一个判别式步态生成对抗网络，即DiGGAN，它可以有效地提取视图不变的跨视图步态识别功能，更重要的是，转移步态图像到不同的视图-作为证据，并显示如何作出的决定。在两个最流行的跨视图步态数据集OU-MVLP和CASIA-B上进行了定量实验，其中所提出的DiGGAN优于最先进的方法。定性分析也已提供，并证明了建议的DiGGAN的能力，提供证据。
2020-09-17 cs.CV
Robust Principal Component Analysis via Discriminant Sample Weight Learning
Harbin Engineering University（哈尔滨工程大学）；College of Intelligent System Science and Engineering, Harbin Engineering University（哈尔滨工程大学智能科学与工程学院）；University of Southampton（南安普顿大学）；School of Engineering, University of Southampton（南安普顿大学工程学院）
针对PCA易受异常值影响导致投影矩阵学习不准确的问题，提出一种鲁棒方法，通过迭代学习判别样本权重来区分异常值并联合估计数据均值与投影矩阵，有效缓解了异常值的不利影响。
2024-08-22 cs.CV cs.LG
View-Invariant Recognition of Action Style Self-Dissimilarity
University of Central Florida（中佛罗里达大学）
自相似性最近被引入作为一种衡量类间一致性的分类行动。在这里，我们调查的对偶问题的类内相异度分类的动作风格。我们引入了自相异性矩阵，区分不同的主体进行相同的动作，而不管观看方向和相机参数。我们研究了两个框架，使用这些不变的风格相异性措施的基础上，主成分分析（PCA）和Fisher判别分析（FDA）。在IXMAS数据集上进行的大量实验表明，所提出的用于视频数据性别识别的不变测度具有非常好的判别特性。
2017-05-22 cs.CV
Grassmannian Discriminant Maps (GDM) for Manifold Dimensionality Reduction with Application to Image Set Classification
Jiangnan University（江南大学）；University of Surrey（萨里大学）
在图像集分类中，将原始图像集表示在Grassmann流形上已经取得了相当大的进展。为了将基于欧几里得的降维方法的优点扩展到格拉斯曼流形上，最近提出了几种方法，它们联合执行格拉斯曼流形上的降维和度量学习以提高性能。然而，当应用于复杂的数据集时，学习的特征没有表现出足够的区分能力。为了克服这个问题，我们提出了一个新的方法命名为格拉斯曼判别映射（GDM）的流形降维问题。该方法的核心是一个新的判别函数的度量学习和降维。为了比较和更好的理解，我们还研究了GDM的一个简单变体。它们之间的主要区别是判别函数。我们的实验数据集对应于三个任务：人脸识别，对象分类，手势识别，以评估所提出的方法及其简单的扩展。通过与现有算法的比较，验证了该算法的有效性。
2022-01-22 cs.CV
A Multimodal Biometric System Using Linear Discriminant Analysis For Improved Performance
COMSATS Institute of IT（COMSATS信息技术学院）；University of Science and Technology Bannu（班努科技大学）；University of Engineering and Technology Taxila（塔克西拉工程技术大学）
生物测定系统本质上是一种模式识别系统，其通过确定用户所具有的特定解剖学或行为特征的真实性来识别用户。随着计算机和互联网日益融入日常生活方式，保护敏感和个人数据已成为必要。本文提出了一种多模态生物特征识别系统，它采用了一个以上的生物特征，以达到更高的安全性，并处理失败的情况下，一些用户注册。本文旨在研究一种多模式生物特征身份系统，使用线性判别分析作为骨干，面部和语音识别和实现这样的系统在实时使用SignalWAVE。
2012-01-18 cs.CV
SVM-based Multiview Face Recognition by Generalization of Discriminant Analysis
Dr. B. C. Roy Engineering College（Dr. B. C. Roy 工程学院）；National Institute of Technology Rourkela（鲁尔克拉国家理工学院）；Jadavpur University（jadavpur 大学）；Indian Institute of Technology Kanpur（坎普尔印度理工学院）
利用多视角人脸进行身份认证是机器视觉中一个很有价值的问题。由于特征空间中的非线性表示，多视图面具有困难。本文说明了LDA的推广的典型协变量的形式，人脸识别多视角人脸的可用性。在所提出的工作中，Gabor滤波器组被用来提取人脸特征，其特征在于空间频率，空间位置和方向。Gabor人脸表示捕捉了由于光照、姿态和面部表情变化而经常发生的大量人脸实例的变化。卷积的Gabor滤波器组旋转的轮廓视图的人脸图像产生的Gabor面与高维特征向量。然后对Gabor面采用典型协变量，将高维特征空间降维为低维子空间。最后，支持向量机的训练与规范的子空间，包含减少的功能集和执行识别任务。该系统与UMIST人脸数据库进行了评估。实验结果表明，该系统具有较高的识别率和鲁棒性。
2010-01-23 cs.CV cs.LG
Human Activity Recognition Using 3D Orthogonally-projected EfficientNet on Radar Time-Range-Doppler Signature
University of Nottingham Ningbo China（宁波诺丁汉大学）；Nanyang Technological University（南洋理工大学）
在雷达活动识别中，通常采用二维信号表示法，如谱图、倒谱、节奏速度图等，而距离信息往往被忽略。在这项工作中，我们建议利用三维时间距离多普勒（TRD）表示，并设计了一个三维投影有效网络（3D-OPEN），以有效地捕获嵌入在三维TRD立方体的判别信息进行准确的分类。该模型从三维特征空间投影的三个正交平面聚集判别信息。它强调了3D CNN直接从高维3D表示中利用稀疏语义抽象的困难。所提出的方法进行评估毫米波雷达行走数据集。它显着和一贯优于国家的最先进的雷达活动识别方法。
2021-11-24 cs.CV
A Harmonic Mean Linear Discriminant Analysis for Robust Image Classification
University of Texas at Arlington（德克萨斯大学阿灵顿分校）
线性判别分析（LDA）是计算机视觉和模式识别中广泛使用的有监督降维方法。在基于零空间的LDA（NLDA），一个著名的LDA扩展，类间距离最大化的类内散布矩阵的零空间。然而，NLDA也有一些局限性。首先，对于许多数据集，类内散布矩阵的零空间不存在，因此NLDA不适用于这些数据集。其次，NLDA采用类间距离的算术平均值，对所有类间距离都给予同等的考虑，使得较大的类间距离可能占主导地位，从而限制了NLDA的性能。本文提出了一种基于调和均值的线性判别分析方法--多类判别分析（MCDA），用于图像分类。更重要的是，MCDA给予更高的优先级，以最大限度地减少类间距离。MCDA可以扩展到多标签降维。在7个单标签数据集和4个多标签数据集上的实验结果表明，MCDA在分类准确率、宏观和微观平均F1得分方面均优于其他10个单标签方法和4个多标签方法。
2016-10-24 cs.AI cs.CV
3D Face Recognition with Sparse Spherical Representations
Hospital Clinic（临床医院）；Universitat de Barcelona（巴塞罗那大学）；Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL））
本文讨论了使用球体上的同时稀疏逼近进行3D人脸识别的问题。3D人脸点云首先与一种新颖的全自动配准过程对齐。然后将它们表示为2D球体上的信号，以保留深度和几何信息。接下来，我们实现了同时稀疏近似和子空间投影的降维过程。它允许表示每个三维人脸只有几个球面函数，能够捕捉到显着的面部特征，从而保持判别面部信息。我们最终在缩减的空间中通过有效的匹配进行识别，其中线性判别分析可以进一步激活以提高识别性能。3D人脸识别算法在FRGC v.1.0数据集上进行了评估，结果显示其性能优于使用深度图像的经典最先进解决方案。
2008-10-29 cs.CV
Tensor object classification via multilinear discriminant analysis network
Southeast University（东南大学）；INSERM（法国国家健康与医学研究院）；Université de Rennes 1（雷恩第一大学）
本文提出了一种多线性判别分析网络（MLDANet）的多维对象，被称为张量对象的识别。MLDANet是线性判别分析网络（LDANet）和主成分分析网络（PCANet）的变体，这两种网络都是最近提出的深度学习算法。MLDANet由三部分组成：1）MLDA从张量数据中学习的编码器。2)从解码器获得的特征图。3)使用二进制哈希和直方图进行特征池化。描述了MLDANet的一种学习算法。UCF 11数据库上的评估表明，建议的MLDANet优于PCANet，LDANet，MPCA + LDA，MLDA在张量对象的分类方面。
2014-11-05 cs.CV
Generalized Multi-view Embedding for Visual Recognition and Cross-modal Retrieval
在本文中，从不同的视觉线索和模态的多视图嵌入的问题被认为是。我们提出了一个统一的解决方案，子空间学习方法使用瑞利商，这是可扩展的多视图，监督学习，和非线性嵌入。许多方法，包括典型相关分析，偏最小二乘回归和线性判别分析研究使用特定的内在和惩罚图在同一框架内。基于核和（深）神经网络的非线性扩展的推导，实现了更好的性能比线性的。在此基础上，提出了一种新的多视角模块化判别分析方法（MvMDA）。我们证明了所提出的多视图嵌入方法在视觉对象识别和跨模态图像检索上的有效性，并且与相关方法相比，在这两个应用中获得了优异的结果。
2017-08-31 cs.CV cs.LG
Facial Expression Representation and Recognition Using 2DHLDA, Gabor Wavelets, and Ensemble Learning
本文提出了一种新的二维图像序列中人脸表情的表示和识别方法。作为一种有效的降维技术，我们将二维异方差线性判别分析（2DHLDA）算法应用于输入序列的Gabor表示。2DHLDA是二维线性判别分析（2DLDA）方法的扩展，它消除了相等的类内协方差。通过在两个方向上应用2DHLDA，我们消除了图像列和图像行之间的相关性。然后，我们对新特征进行一维LDA。这种组合方法可以缓解HLDA遇到的小样本量问题和不稳定性。此外，采用几何和外观特征，并使用基于数据融合的集成学习方案，我们创建了一个分类器，可以有效地分类的面部表情。所提出的方法是鲁棒的光照变化，它可以正确地表示时间信息以及面部肌肉的细微变化。在Cohn-Kanade数据库上的实验表明了该方法的优越性。关键词：二维异方差线性判别分析（2DHLDA），子空间学习，面部表情分析，Gabor小波，集成学习。
2012-07-20 cs.CV cs.LG
Iris Codes Classification Using Discriminant and Witness Directions
„Spiru Haret‟ University（斯皮鲁·哈雷特大学）；„Aurel Vlaicu‟ University（奥雷尔·弗拉伊库大学）
本文讨论的主要问题是如何使用智能生物特征决策去模糊化。提出了一种神经训练模型，并在这里进行了测试，作为一种可能的解决方案，用于处理自然模糊化，出现在虹膜识别测试期间计算的分数的类内和类间分布之间。它在这里示出，使用建议的神经网络支持导致改善的人工感知的类内和类间的分数分布之间的分离，通过移动它们远离彼此。
2011-11-08 cs.AI cs.CV cs.NE
A Novel Face Recognition Method using Nearest Line Projection
Yibin Vocational & Technical College（宜宾职业技术学院）
人脸识别是模式识别方法的一个热门应用，它面临着光照、表情、姿态等挑战性问题。最流行的方法是学习人脸图像的子空间，以便将其投影到另一个判别空间，在该判别空间中可以分离不同人的图像。本文提出了一种最近邻直线投影算法来表示人脸图像，并用于人脸识别。我们尝试将图像投影到由两个不同的人脸图像跨越的最近的线上，而不是将图像投影到最近的图像。学习子空间，以便最小化每个人脸图像到其最近的线。我们在一些基准人脸图像数据库上对该算法进行了评估，并将其与其他一些图像投影算法进行了比较。实验结果表明，该算法优于其他算法。
2014-02-24 cs.CV
Face Recognition via Globality-Locality Preserving Projections
Chongqing University（重庆大学）；Rutgers University（罗格斯大学）；Advanced Digital Sciences Center（先进数字科学中心）
提出了一种改进的局部保持投影（LPP）方法，称为全局局部保持投影（GLPP），以保持数据的全局和局部几何结构。在我们的方法中，一个额外的约束的几何类施加到传统的LPP的目标函数尊重一些更全球性的流形结构。此外，我们还以GLPP的二维扩展（2D-GLPP）为例，展示了如何使用其他一些统计技术来扩展GLPP。我们将我们的工作应用于四个流行的人脸数据库，即ORL，Yale，FERET和LFW-A数据库上的人脸识别，大量的实验结果表明，考虑全局流形信息可以显着提高LPP的性能，所提出的人脸识别方法优于最先进的。
2013-11-06 cs.CV
Gait Recognition from Motion Capture Data
Masaryk University（马萨里克大学）
从运动捕捉数据中进行步态识别，作为一种模式分类学科，可以通过使用机器学习来改进。本文有助于国家的最先进的统计方法，直接从原始数据中提取强大的步态特征的修改线性判别分析与最大间距准则。在CMU MoCap数据库上的实验表明，该方法优于13种基于几何特征的相关方法和一种结合主成分分析和线性判别分析学习特征的方法。的方法进行评估的生物特征模板在各自的特征空间中表示的类可分性系数和分类度量的数量的分布。结果还表明，学习的特征具有很高的可移植性，这意味着，我们可以学习走路的人通常在哪些方面不同，并提取这些作为一般步态特征。识别人而不需要特定于组的特征是方便的，因为特定的人可能并不总是提供带注释的学习数据。作为对可重复研究的贡献，我们的评估框架和数据库已公开提供。该研究使得运动捕捉技术直接应用于人体识别。
2022-12-07 cs.CV
Super-Resolution and Image Re-projection for Iris Recognition
Federal University of Tocantins（托坎廷斯联邦大学）；Halmstad University（哈尔姆斯塔德大学）
最近的几项工作已经解决了深度学习的能力，以揭示丰富的，分层的和歧视性的模型，用于最多样化的目的。具体而言，在超分辨率领域，使用不同深度学习方法的卷积神经网络（CNN）尝试从低分辨率图像恢复真实纹理和细粒度细节。在这项工作中，我们探讨了这些方法的可行性虹膜超分辨率（SR）在虹膜识别环境。为此，我们测试了具有和不具有所谓的图像重投影的不同架构，以减少将其应用于不同虹膜数据库的伪影，以验证不同CNN用于虹膜超分辨率的可行性。结果表明，CNN和图像重投影可以提高结果，特别是对于使用完全不同的训练数据库成功执行迁移学习的识别系统的准确性。
2022-10-20 cs.CV
Constrained Mutual Convex Cone Method for Image Set Based Recognition
University of Tsukuba（筑波大学）；City, University of London（伦敦城市大学）；University College London（伦敦大学学院）
本文提出了一种基于凸锥模型的图像集分类方法。图像集分类的目的是将一组通常从视频帧或多视角摄像机中获得的图像分类为目标对象。为了准确且稳定地对集合进行分类，必须准确地表示集合的结构信息。有各种代表性的图像特征，例如基于直方图的特征、HLAC和卷积神经网络（CNN）特征。我们应该注意到，它们中的大多数具有非负性，因此可以有效地用凸锥表示。这导致我们引入凸锥表示图像集分类。为了建立一个基于凸锥的框架，我们在数学上定义了两个凸锥之间的多个角度，然后使用角度来定义锥之间的几何相似性。此外，为了增强框架，我们引入了一个判别空间，最大化类间方差（差距），并最小化类内方差的投影凸锥到判别空间，类似于Fisher判别分析。最后，基于投影凸锥之间的相似性进行分类。通过使用五个数据库：CMU PIE数据集，ETH-80，CMU Motion of Body数据集，Youtube Celebrity数据集和多视图手形的私人数据库，实验证明了所提出的方法的有效性。
2019-03-14 cs.CV cs.LG
Polar Perspectives: Evaluating 2-D LiDAR Projections for Robust Place Recognition with Visual Foundation Models
本文通过评估不同2D激光雷达投影对位置识别的影响，发现精心设计的投影可有效替代端到端3D学习。
2025-12-02 cs.CV cs.RO
Multilinear Biased Discriminant Analysis: A Novel Method for Facial Action Unit Representation
Sharif University of Tech.（谢里夫理工大学）
本文提出了一种新的有效的方法表示的面部动作单元编码的图像序列作为一个四阶张量。首先提出了基于多线性张量的有偏判别分析（BDA）算法的扩展，称为多线性有偏判别分析（MBDA）。然后，我们应用MBDA和二维BDA（2DBDA）算法，作为降维技术，Gabor表示和输入图像序列的几何特征分别。该方案可以处理正负样本之间的不对称性以及维数灾难的困境。在Cohn-Kanade数据库上进行的大量实验表明，该方法在表达面部表情的细微变化和时间信息方面具有优越性。作为一个精确的工具，这种表示可以应用于许多领域，如识别自发和故意的面部表情，多模态/媒体人机交互和测谎工作。
2010-04-04 cs.CV cs.LG
SpheriGait: Enriching Spatial Representation via Spherical Projection for LiDAR-based Gait Recognition
Beijing Institute of Technology（北京理工大学）；Shanghai Jiao Tong University（上海交通大学）
针对基于LiDAR的步态识别，提出SpheriGait方法，用球面投影替代平面投影增强3D动态特征，并设计DAM-L网络块提取步态线索，在SUSTech1K数据集上达到最先进性能，且可作为通用预处理技术提升其他方法。
2024-09-18 cs.CV
Facial Recognition with Encoded Local Projections
University of Waterloo（滑铁卢大学）
编码局部投影（Encoded Local Projections，ELP）是最近提出的一种密集采样图像描述符，它利用小邻域内的投影来构造整个图像的直方图/描述符。ELP在搜索医学图像方面与其他最先进的功能一样准确，同时具有时间和资源效率。本文首次尝试将ELP描述子作为人脸识别的主要特征，并在Wild数据集的Labeled Faces上与LBP直方图进行了比较。我们通过比较每个图像描述符与所有其他描述符的卡方距离以及使用每个特征向量训练支持向量机（SVM）来评估描述符。在两种情况下，在相同的子图像配置下，ELP的结果优于LBP。
2018-09-11 cs.CV
Kullback-Leibler Penalized Sparse Discriminant Analysis for Event-Related Potential Classification
Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional, UNL, CONICET, FICH（信号、系统与智能计算研究所，国立利托拉尔大学，国家科学与技术研究理事会，水文与工程系）；Facultad de Ingeniería, Universidad Nacional de Entre Ríos（国立恩特雷里奥斯大学工程学院）；Instituto de Matemática Aplicada del Litoral, UNL, CONICET, FIQ（滨海应用数学研究所，国立利托拉尔大学，国家科学与技术研究理事会，化学工程系）
脑机接口（BCI）是一种仅使用脑活动（EEG）在人的思想和外部世界之间提供直接通信的系统。基于事件相关电位（ERP）的脑机接口问题是一个二元模式识别问题。线性判别分析（LDA）被广泛用于解决这类分类问题，但当特征数量相对于观测数量较大时，它会失败。在这项工作中，我们提出了一个惩罚版本的稀疏判别分析（SDA），称为Kullback-Leibler惩罚稀疏判别分析（KLSDA）。该方法既继承了SDA的判别特征选择和分类特性，又通过加入Kullback-Leibler类差异信息提高了SDA的性能。KLSDA方法被设计为自动选择最佳正则化参数。对两个真实的ERP-EEG数据集的数值实验表明，该方法优于标准SDA。
2016-08-24 cs.CV cs.LG stat.ML
Quadratic Projection Based Feature Extraction with Its Application to Biometric Recognition
Xiamen University（厦门大学）；Xiamen University of Technology（厦门理工学院）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；The Hong Kong Polytechnic University（香港理工大学）
本文提出了一种新的基于二次投影的特征提取框架，其中学习一组二次矩阵来区分每个类与所有其他类。我们制定二次矩阵学习（QML）作为一个标准的半定规划（SDP）问题。然而，传统的邻域点SDP求解器不能很好地扩展到高维数据的QML问题。为了解决QML的可扩展性，我们开发了一个有效的算法，称为DualQML，基于拉格朗日对偶理论，提取非线性特征。为了评估所提出的框架的可行性和有效性，我们进行了广泛的生物识别实验。在人脸、掌纹和人耳等三个典型生物特征识别任务上的实验结果表明，基于DualQML的特征提取算法优于现有的特征提取算法
2016-03-25 cs.CV
Spontaneous Facial Micro-Expression Recognition using Discriminative Spatiotemporal Local Binary Pattern with an Improved Integral Projection
University of Oulu（奥卢大学）
近年来，从人脸图像序列中推断微表情的研究受到越来越多的关注。由于微表情的细微运动，特征提取成为自发人脸微表情识别的重要和关键问题。目前的研究多采用时空局部二值模式进行微表情分析。然而，常用的时空局部二值模式考虑了人脸图像的动态纹理信息，而忽略了人脸图像的形状属性。另一方面，他们的工作是从全局人脸区域中提取时空特征，忽略了两个微表情类之间的区分信息。上述问题严重限制了时空局部二值模式在微表情识别中的应用。针对微表情识别中的时空局部二值模式问题，提出了一种基于改进积分投影的判别式时空局部二值模式.首先，我们提出了一种改进的积分投影，以保持微表情的形状属性。此外，一个改进的积分投影被纳入跨空间和时间域的本地二进制模式算子。具体来说，我们提取新的时空特征，将形状属性纳入时空纹理特征。为了提高微表情识别的区分度，提出了一种基于拉普拉斯算子的特征选择方法来提取微表情识别的区分信息。密集的实验进行了三个可用公布的微表情数据库。我们比较我们的方法与国家的最先进的算法。实验结果表明，我们提出的方法取得了良好的性能微表情识别。
2016-08-07 cs.CV
Rapid Feature Extraction for Optical Character Recognition
North South University（北南大学）；Independent University Bangladesh（孟加拉国独立大学）；City University of Hong Kong（香港城市大学）
特征提取是字符识别的基本问题之一。字符识别系统的性能取决于正确的特征提取和正确的分类器选择。本文提出了一种快速的特征提取方法--Celled Projection（CP）方法。所提出的方法的识别性能进行了比较与其他广泛使用的特征提取方法，深入研究了许多不同的脚本在文献中。实验已经进行了使用孟加拉语手写数字与三个不同的知名的分类，表现出可比的结果，包括94.12%的识别精度，使用细胞投影。
2012-06-01 cs.CV
Koo-Fu CLIP: Closed-Form Adaptation of Vision-Language Models via Fukunaga-Koontz Linear Discriminant Analysis
Visual Recognition Group（视觉识别组）；Department of Cybernetics（cybernetics系）；Faculty of Electrical Engineering（电气工程系）；Czech Technical University in Prague（布拉格捷克技术大学）
Koo-Fu CLIP通过Fukunaga-Koontz线性判别分析实现视觉语言模型的闭式适应，提升类别分离性和降维效率，实现高效的大规模分类与检索。
2026-02-01 cs.CV
Max-C and Min-D Projection Autoassociative Fuzzy Morphological Memories: Theory and an Application for Face Recognition
Exact and Technological Science Center, Federal University of Recôncavo da Bahia（巴伊亚州联邦大学精确与技术科学中心）；Department of Applied Mathematics, University of Campinas（坎皮纳斯大学应用数学系）
Max-C和min-D投影自联想模糊形态记忆（max-C和min-DPAFNN）是一种两层前馈模糊形态神经网络，能够实现超立方体上有限模糊集或向量的联想记忆。在本文中，我们解决这些自联想记忆的主要特点，其中包括无限的绝对存储容量，存储项目的快速检索，一些虚假的记忆，以及一个很好的容忍无论是膨胀噪声或侵蚀噪声。特别注意的是，所谓的PAFMM的Zadeh，除了不执行浮点运算，表现出最大的噪声容限之间的最大-C和最小-D PAFMM。计算实验表明，Zadeh的最大-C PFAMM，结合噪声掩蔽策略，产生一个快速和强大的分类器，具有强大的潜力，人脸识别。
2019-08-31 cs.CV
Rotational Projection Statistics for 3D Local Surface Description and Object Recognition
National University of Defense Technology（国防科技大学）；The University of Western Australia（西澳大学）
在存在噪声、变化的网格分辨率、遮挡和杂波的情况下识别3D对象是一项非常具有挑战性的任务。本文提出了一种新的方法旋转投影统计（RoPS）。它有三个主要模块：局部参考框架（LRF）定义，RoPS特征描述和三维物体识别。我们提出了一种新的技术来定义的LRF通过计算的散布矩阵的所有点躺在局部表面上。RoPS特征描述符通过将特征点的相邻点旋转投影到2D平面上并计算这些投影点的分布的一组统计（包括低阶中心矩和熵）来获得。使用所提出的LRF和RoPS描述符，我们提出了一个分层的三维物体识别算法。所提出的LRF，RoPS描述符和对象识别算法的性能进行了严格的测试，一些流行的和公开的数据集。我们提出的技术表现出优越的性能相比，现有的技术。我们还表明，我们的方法是强大的噪声和不同的网格分辨率。在博洛尼亚、西澳大学、皇后大学和Ca' Foscari Venezia数据集上测试时，我们基于RoPS的算法分别实现了100%、98.9%、95.4%和96.0%的识别率。
2013-04-11 cs.CV
Discriminative Residual Analysis for Image Set Classification with Posture and Age Variations
Sun Yat-Sen University（中山大学）；Guangdong University of Finance and Economics（广东财经大学）；City University of Hong Kong（香港城市大学）
图像集识别在实时视频检索、图像字幕等实际问题中有着广泛的应用。由于其优越的性能，近年来已成为一个重要的话题。然而，具有复杂变化的图像，例如，姿势和人的年龄是难以解决的，因为这些变化相对于图像外观是连续和渐进的。因此，图像集识别的关键是从具有变化的图像批次中挖掘出内在联系或结构信息。在这项工作中，提出了一种判别残差分析（Discriminant Residual Analysis）方法，通过发现相关和不相关组中的判别特征来提高分类性能。具体地说，RISK试图获得一个强大的投影，将残差表示投射到判别子空间中。这样的投影子空间被期望尽可能放大输入空间的有用信息，那么由给定的度量或距离描述的训练集和测试集之间的关系在判别子空间中将更加精确。我们还提出了一种不作为策略，通过定义另一种方法来构建不相关的群体，这有助于进一步降低抽样误差的成本。两种正则化方法被用来处理可能的小样本问题。在基准数据库上进行了大量的实验，结果表明了新方法的优越性和有效性。
2020-08-23 cs.CV cs.LG
HorGait: A Hybrid Model for Accurate Gait Recognition in LiDAR Point Cloud Planar Projections
School of Electrical Engineering and Electronics, Shijiahzuang Tiedao University（石家庄铁道大学电气与电子工程学院）；School of Integrated Circurts and Electronics, Beijing Institute of Technology（北京理工大学集成电路与电子学院）；Shanghai Jiao Tong University（上海交通大学）；School of Computer and Information Engineering, Henan University of Economics and Law（河南财经政法大学计算机与信息工程学院）；Universitas Mercu Buana（mercu布阿纳大学）
本文提出HorGait混合模型，利用LHM Block和大卷积核CNN处理LiDAR点云平面投影，解决了Transformer架构中哑补丁问题，在SUSTech1K数据集上实现了最先进的步态识别性能。
2024-10-24 cs.CV
Attention-based Dual-stream Vision Transformer for Radar Gait Recognition
University of Nottingham Ningbo China（宁波诺丁汉大学）；Nanyang Technological University（南洋理工大学）
雷达步态识别对光线变化具有鲁棒性，对隐私的侵犯较小。以往的研究通常使用声谱图或节奏速度图。前者显示时频模式，后者编码重复的频率模式。在这项工作中，提出了一个双流神经网络与基于注意力的融合完全聚合的判别信息，从这两个表示。这两个流是基于视觉Transformer设计的，它很好地捕捉了嵌入在这些表示中的步态特征。在雷达步态识别的大型基准数据集上验证了所提出的方法，这表明它显着优于最先进的解决方案。
2021-11-24 cs.CV eess.SP
A supervised discriminant data representation: application to pattern classification
University of the Basque Country UPV/EHU（巴斯克大学）；IKERBASQUE, Basque Foundation for Science（巴斯克科学基金会）
本文提出一种融合RSLDA与ICS_DLSR的混合线性特征提取方法，通过稀疏促进技术选择特征并保持类内行稀疏一致性，在多个数据集上优于现有方法。
2025-10-24 cs.CV cs.LG
Adversarial Light Projection Attacks on Face Recognition Systems: A Feasibility Study
Visa Research（Visa研究院）；Michigan State University（密歇根州立大学）
基于深度学习的系统已被证明在数字和物理领域都容易受到对抗攻击的攻击。虽然可行，但数字攻击在攻击部署的系统（包括面部识别系统）方面的适用性有限，其中对手通常可以访问输入而不是传输信道。在这种情况下，通过输入通道直接提供恶意输入的物理攻击构成了更大的威胁。我们研究了使用对抗性光投影对人脸识别系统进行实时物理攻击的可行性。一个由商用网络摄像头和投影仪组成的装置被用来进行攻击。对手使用变换不变的对抗模式生成方法来使用对手可用的目标的一个或多个图像来生成数字对抗模式。然后，数字对抗模式被投射到物理域中的对手的脸上，以模仿目标（模仿）或逃避识别（混淆）。我们使用两个开源和一个商业人脸识别系统对50名受试者进行了初步实验。我们的实验结果表明，在白盒和黑盒攻击设置的光投影攻击的人脸识别系统的脆弱性。
2020-04-17 cs.CV cs.LG eess.IV
Spectral Analysis of Projection Histogram for Enhancing Close matching character Recognition in Malayalam
University of Kerala（喀拉拉邦大学）
光学字符识别（OCR）系统对印刷的马拉雅拉姆文文件的成功率令人印象深刻，其最先进的准确度在85-95%的范围内。然而，对于实际应用，需要进一步提高该精度水平。进一步提高识别精度的瓶颈之一是近匹配特征。在本文中，我们描绘了马拉雅拉姆语的密切匹配的字符，并报告这些密切匹配的字符的一个专门的分类器的发展。采用OCR的现有技术的输出，并且落入紧密匹配字符集的字符被进一步馈送到该专用分类器中以提高准确性。该分类器是基于支持向量机算法，并使用的特征向量派生出的投影直方图信号的频谱系数的紧密匹配的字符。
2012-05-08 cs.CL cs.CV cs.IR
A multi-class structured dictionary learning method using discriminant atom selection
FICH（FICH学院）；UNL（国立拉普拉塔大学）；CONICET（阿根廷国家科学与技术研究理事会）；FIQ（FIQ学院）
在过去的十年中，传统的字典学习方法已经成功地应用于各种模式分类任务。虽然这些方法产生对失真和丢失数据鲁棒的信号的稀疏表示，但是如果最终目标是信号分类，则这种表示经常被证明是不合适的。为了克服或至少减弱这样的弱点，近年来出现了几种新的方法，这些方法将判别信息引入稀疏诱导模型。特别是，判别式字典学习的方法已被证明比传统的方法更准确（在信号分类方面），传统的方法只专注于最小化总表示误差。在这项工作中，我们提出了一种新的多类判别措施和创新的字典学习方法。对于一个给定的字典，这种新的措施，它不仅考虑到当一个特定的原子被用于表示来自某个类的信号和其相应的表示系数的大小，而且这种原子在总的表示误差的影响，是能够有效地量化的程度的可辨别性的每一个原子。另一方面，新的字典构造方法产生的字典是非常适合多类分类任务。我们的方法进行了测试，广泛使用的数据库的手写数字识别，并与三个国家的最先进的分类方法进行比较。结果表明，我们的方法显着优于其他三个实现良好的识别率，此外，降低了分类器的计算成本。
2018-12-04 cs.CV cs.LG stat.ML
Domain-Invariant Projection Learning for Zero-Shot Recognition
Renmin University of China（中国人民大学）；Queen Mary University of London（伦敦玛丽女王大学）；Samsung AI Centre（三星人工智能中心）
零样本学习（Zero-shot learning，ZRL）是在没有训练样本的情况下识别未知对象类的一种学习方法，可以看作是从已知类到未知类的迁移学习。这通过学习特征空间和语义空间（例如属性空间）之间的投影而成为可能。因此，CNOL的关键是学习一个投影函数，该函数对可见和不可见类之间通常较大的域间隙具有鲁棒性。在本文中，我们提出了一种新的领域不变投影学习模型（DIPL）。我们的模型有两个新的组成部分：（1）域不变的特征自重建任务被引入到可见/不可见类数据中，从而产生一个简单的线性公式，该公式将BML转换为最小-最小优化问题。求解该问题是一个非平凡问题，提出了一种新的迭代算法作为求解器，并给出了严格的理论算法分析。(2)为了通过学习的投影进一步对齐两个域，通过在语义空间中形成超类来探索可见和不可见类之间的共享语义结构。大量的实验表明，我们的模型优于国家的最先进的替代品显着的利润率。
2018-10-19 cs.CV cs.LG
Improving state estimation through projection post-processing for activity recognition with application to football
Delft University of Technology（代尔夫特理工大学）
该研究针对传感器数据活动识别的标注与评估需求，提出修正短时长活动的投影后处理方法和适配状态转换时刻不确定性的LTS度量，经模拟与足球真实数据验证有效，并讨论了参数选择。
2023-05-02 cs.CV
Point Context: An Effective Shape Descriptor for RST-invariant Trajectory Recognition
Beihang University（北京航空航天大学）；Polytechnic University of Milan（米兰理工大学）
运动轨迹识别是表征物体运动特性的重要手段。轨迹识别的速度和准确性依赖于一个紧凑的和有区别的特征表示，和变化的旋转，缩放和平移的情况下，必须特别考虑。本文提出了一种新的轨迹特征提取方法。首先，轨迹表示的建议点上下文，这是一个旋转-尺度-平移（旋转）不变的形状描述符之间的灵活的折衷计算复杂性和歧视，但我们证明了它是一个完整的形状描述符。其次，通过核非参数判别分析（KNDA）将形状上下文非线性映射到一个子空间，得到一个紧凑的特征表示，从而将轨迹投影到低维特征空间中的一个点上。实验结果表明，所提出的轨迹特征显示出令人鼓舞的改善比国家的最先进的方法。
2015-01-22 cs.CV
Inverse Projection Representation and Category Contribution Rate for Robust Tumor Recognition
Henan University（河南大学）；University of Florida（佛罗里达大学）
基于稀疏表示的分类方法已经取得了显著的效果。然而，SRC仍然遭受需要足够的训练样本，测试样本的使用不足和不稳定的代表性。本文提出了一种稳定的基于逆投影表示的分类方法（IPRC），通过有效地利用测试样本来解决这些问题。首次提出了一种知识产权制度，并分析了其可行性和稳定性。构造了类别贡献率的分类准则，以匹配知识产权和完全分类。此外，引入了一个统计措施来量化的稳定性表示为基础的分类方法。基于IPRC技术，通过解释微阵列基因表达数据，提出了一个强大的肿瘤识别框架，其中引入了两阶段杂交基因选择方法来选择信息基因。最后对候选致病相关基因进行了功能分析。在六个公开的肿瘤微阵列基因表达数据集上的实验表明，该技术与现有技术相比具有竞争力。
2019-06-27 cs.CV cs.LG q-bio.QM
Nearest Prime Simplicial Complex for Object Recognition
Fudan University（复旦大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
数据分布的结构表示对于理解数据生成的底层机制起着重要作用。在本文中，我们提出了最近的素数单纯复形方法（NSC），利用持久同源捕捉这样的结构。假设每个类都用一个素单纯复形表示，我们根据样本到单纯复形的最近投影距离对未标记样本进行分类。我们还扩展了这些复杂的投影约束项的外推能力。在模拟数据集和实际数据集上的实验表明，与几种已发表的算法相比，所提出的NSC方法在不损失结构表示的情况下取得了令人满意的性能。
2011-06-06 cs.AI cs.CG cs.CV
Arabic Character Segmentation Using Projection Based Approach with Profile's Amplitude Filter
Zagazig University（扎加齐格大学）
阿拉伯语是对光学字符识别（OCR）提出特殊挑战的语言之一。阿拉伯语的主要挑战是它主要是草书。因此，必须执行分割过程以确定字符的开始和结束位置。这一步对于字符识别至关重要。本文提出了一种阿拉伯字符切分算法。该算法使用基于投影的方法概念来分离行，词和字符。这是使用轮廓的幅度过滤器和简单的边缘工具来找到字符分离。我们的算法表现出良好的性能时，适用于不同的机器打印的文件，不同的阿拉伯字体。
2017-07-04 cs.CV cs.IR
Dynamic Appearance: A Video Representation for Action Recognition with Joint Training
University of York（约克大学）
视频的静态外观可能会阻碍深度神经网络在视频动作识别中学习运动相关特征的能力。在本文中，我们引入了一个新的概念，动态外观（DA），总结了在视频中的运动相关的外观信息，同时过滤掉被认为与运动无关的静态信息。我们考虑从原始视频数据中提取动态外观作为有效的视频理解的手段。为此，我们提出了像素级时间投影（PWTP），它将视频的静态外观投影到其原始向量空间内的子空间中，而动态外观则编码在描述特殊运动模式的投影残差中。此外，我们将PWTP模块与CNN或Transformer集成到端到端训练框架中，该框架通过利用多目标优化算法进行优化。我们提供了四个动作识别基准的广泛的实验结果：动力学400，一些东西V1，UCF 101和HMDB 51。
2022-11-24 cs.CV
Effect of the sEMG electrode (re)placement and feature set size on the hand movement recognition
University of Belgrade（贝尔格莱德大学）；School of Electrical Engineering（电气工程学院）；Innovation Center, University of Belgrade（贝尔格莱德大学创新中心）；Tecnalia Serbia Ltd.（西班牙泰克纳利亚塞尔维亚有限公司）
记录电极阵列在重复的肌电图测量中的重新定位可能导致手部运动分类系统中的位移误差。为了检验当电极阵列沿着受试者的前臂平移或围绕受试者的前臂旋转以获得不同数量的特征时，分类器再训练是否可以达到满意的结果，我们记录了10名健康志愿者的表面肌电图信号，用于三种类型的抓握和6种手腕运动。对于特征提取，我们采用主成分分析和特征集的大小从1到8个主成分。我们比较了三个分类器：LDA（线性判别分析），QDA（二次判别分析），和ANN（人工神经网络）的结果，从留一交叉验证分类程序的再训练分类器的结果。我们的研究结果表明，当阵列电极重新定位时，分类精度没有显着差异，表明成功的分类重新训练和最佳特征集选择。结果还表明，主成分的数量起着关键作用，可接受的分类精度约90%。对于最大的数据集（9个手部动作），LDA和QDA优于ANN，而对于三个抓握动作，ANN显示出有希望的结果。有趣的是，我们发现电极阵列位置和特征集大小之间的相互作用在统计学上并不显著。本研究强调的重要性，测试的相互作用的因素，影响分类精度和分类器的选择，以及他们的影响独立的手动作识别系统的设计，以建立指导原则。本研究记录的数据保存在Zenodo储存库（doi：10.5281/zenodo.4039550）中。
2020-11-17 cs.CV eess.SP
Multipartite Ranking-Selection of Low-Dimensional Instances by Supervised Projection to High-Dimensional Space
Australian National University（澳大利亚国立大学）；Commonwealth Scientific and Industrial Research Organisation（联邦科学与工业研究组织）
删除冗余或不相关的数据实例是模式识别每个成功解决方案的关键。在本文中，我们提出了一种新的排序选择框架的长度短，但高度相关的情况下。我们不是在低维实例空间中工作，而是学习到由所研究的数据集中的类数量所跨越的高维空间的监督投影。通过将标签的概念暴露给实例来施加更高的区别，让我们为每个单独的类部署一个与所有的排名，并通过对整体分数的自适应阈值来选择质量实例。为了证明我们的范例的效率，我们采用它的纹理理解的目的，这是一个很难识别的挑战，由于纹理像素的高相似性和低维度的颜色特征。我们的实验表明，在几个公开的数据集上，识别性能比其他本地描述符有相当大的提高。
2016-06-24 cs.CV cs.LG stat.ML
Feature Selection By KDDA For SVM-Based MultiView Face Recognition
Amirkabir University of Technology（阿米尔卡比尔理工大学）
处理高维数据的人脸识别等应用需要一种映射技术，该技术引入了具有增强的区分能力的低维特征的表示和能够对这些复杂特征进行分类的适当分类器。传统的线性判别分析方法的最优性准则与所得到的特征表示的分类能力没有直接关系。此外，他们的分类精度受到“小样本量”的问题，这是经常遇到的FR任务。在这篇简短的论文中，我们结合了非线性核映射的数据称为KDDA与支持向量机分类器，以有效和成本效益的方式来处理这两个缺点。这里提出的方法进行比较，在分类精度方面，其他常用的FR方法UMIST人脸数据库。结果表明，该方法的性能总体上优于传统的FR方法，如特征脸，费舍尔脸，D-LDA方法和传统的线性分类器。
2008-12-13 cs.CV cs.LG
DisPlace: Discriminative Place Projections for Multi-Reference Visual Place Recognition
QUT Centre for Robotics, School of Electrical Engineering and Robotics at the Queensland University of Technology（昆士兰理工大学机器人中心，电气工程与机器人学学院）
提出DisPlace框架，通过广义特征值问题融合多参考描述符，最大化地点间可分性并抑制地点内变化，提升视觉地点识别在多变条件下的鲁棒性。
2026-05-29 cs.CV cs.RO
