| 基于小样本高维特征的人脸自动识别算法研究 |
| |
| 引用本文： | 李凌,李桂娟.基于小样本高维特征的人脸自动识别算法研究[J].计算机科学,2014,41(6):314-316. |
| |
| 作者姓名： | 李凌 李桂娟 |
| |
| 作者单位： | 辽宁工程技术大学应用技术学院计算机系 阜新123000;水下监测国防科技重点实验室 大连116012 |
| |
| 基金项目： | 本文受国家自然科学基金重点实验室基金项目(9140C260303120C2601)资助 |
| |
| 摘 要： | 特征提取对人脸识别十分重要,传统典型相关分析算法(CCA)存在无法描述人脸图像的小样本、高维特征的缺陷。为了提高人脸识别精度,提出一种专门针对小样本、高维特征的人脸自动识别算法(SpCCA)。首先分别提取人脸全局特征和局部特征,并采用CCA对特征进行融合,消除特征间冗余信息,降低特征维数;然后通过划分子模型,避免人脸识别存在小样本、非线性问题,并以简单投票进行结果矫正,提高模型稳定性;最后在AR与Yale两个人脸数据集上对SpCCA算法性能进行测试。仿真结果表明,SpCCA解决了典型相关分析算法存在的不足,提高了人脸识别的精度。
|
| 关 键 词： | 人脸识别 典型相关分析 子模型 融合特征 |
| 收稿时间： | 2013/7/19 0:00:00 |
| 修稿时间： | 2013/10/18 0:00:00 |
Face Automatic Recognition Algorithm for Small Sample High-dimensional Features |
| |
| LI Ling and LI Gui-juan.Face Automatic Recognition Algorithm for Small Sample High-dimensional Features[J].Computer Science,2014,41(6):314-316. |
| |
| Authors: | LI Ling and LI Gui-juan |
| |
| Affiliation: | School of Applied Technology,Liaoning Technical University,Fuxin 123000,China;Key Laboratory for Underwater Test and Control Technology,Dalian 116012,China |
| |
| Abstract: | |
| |
| Keywords: | Face recognition Canonical correlation analysis Sub-pattern Fusional features |
| 本文献已被 CNKI 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
