國立交通大學 NCTU

應用流形學習與偏頗分析之人臉驗證方法

2017/09/13
英文名稱Face Verification Using Manifold Learning and Biased Discriminant Analysis
技術編號M17-CCH-10-1
參與教授韓欽銓教授
應用產業監控與保全業
技術分類影像辨識
技術功效降低錯誤率/增進穩定性
技術狀態可移轉技術

電子商務於行動支付應用上,個人身份驗證扮演著行動服務是否成功的重要角色,而生物特徵為最安全且友善的驗證機制,然而人臉驗證系統建置,常有不易收集大量訓練樣本的問題。為了克服低訓練樣本、低正確率的問題,我們結合「流形學習」與「偏頗分析」技術在人臉驗證系統中,利用投影方法,將高維流形空間中的原始人臉影像資料,投影到降低資料維度的特徵空間,流形學習方法可以克服少量訓練樣本數的問題,避免少量樣本問題導致無法有效鑑別及減少資料維度問題,而偏頗分析則是改進傳統鑑別學習,著重於學習正樣本模型,忽略負樣本分布,減少負樣本分布凌亂的衝擊,藉以得到最合適正確樣本的投影空間,如此一來,可以增加資料鑑別度。

上圖為「流形學習」與「偏頗分析」示意圖。圖中矩形、圓形及星形,相同圖形表示相同人的人臉影像,綠色圖形表示正確樣本,紅色則為錯誤樣本。本技術目的在找到一個投影空間,除了降底維度,同時可以縮小正確樣本之間的距離;增加錯誤樣本與正確樣本的距離,藉以增加驗證率。