Resumen

En los últimos años, el reconocimiento facial en 3D ha atraído cada vez más la atención de investigadores de todo el mundo. En lugar de datos faciales homogéneos, cada vez más aplicaciones requieren datos faciales de entrada flexibles. En este artículo, proponemos un nuevo enfoque para el reconocimiento facial 2D-3D de modalidad cruzada, denominado Análisis Discriminante Suave Multivista (MSDA) basado en Máquinas de Aprendizaje Extremo (ELM). Añadiendo la restricción de penalización Laplaciana para el aprendizaje de características multivista, el MSDA propuesto se propone primero para extraer las características de la cara 2D-3D de modalidad cruzada. El objetivo del MSDA es encontrar un espacio común de características discriminativas basado en el aprendizaje multivista y, a continuación, puede utilizar plenamente la relación subyacente de las características de diferentes puntos de vista. Para acelerar la fase de aprendizaje del clasificador, se adopta el popular algoritmo llamado Extreme Learning Machine (ELM) para entrenar las redes neuronales de una sola capa oculta (SLFNs). Para evaluar la eficacia de nuestro marco de FR propuesto, se presentan resultados experimentales sobre un conjunto de datos de referencia de reconocimiento facial. Las simulaciones muestran que el nuevo método propuesto supera en general a varios enfoques recientes con una rápida velocidad de entrenamiento.

• Materias:Ingeniería electrónica Codificación de video Procesamiento de señales asistido por computador Informática Procesamiento de datos
• Subjects:Electronic engineering Video Coding Signal processing computer-assisted Computing Data processing
• Palabras claves:msda, multiview smooth discriminant analysis, benchmark face recognition dataset, common discriminative feature space, flexible input face data, 3d face recognition, extreme learning machine, extreme learning machines, laplacian penalty constrain, fast training speed
• Keywords:msda, multiview smooth discriminant analysis, benchmark face recognition dataset, common discriminative feature space, flexible input face data, 3d face recognition, extreme learning machine, extreme learning machines, laplacian penalty constrain, fast training speed