-
题名学习原型超平面融合线性判别边信息的人脸识别算法
- 1
-
-
作者
张博
-
机构
长沙师范学院电子信息工程系
-
出处
《计算机应用》
CSCD
北大核心
2014年第7期2044-2049,共6页
-
基金
湖南省教育厅科学研究项目(13C1070)
-
文摘
针对现实环境中姿势、光照、表情及场景较大变化严重影响户外人脸识别算法识别性能的问题,提出了一种学习原型超平面(PHL)融合线性判别边信息(SILD)算法。首先,利用支持向量机(SVM)将弱标记数据集中的每个样本表示为一个原型超平面中层特征,使用学习组合系数从未标记的通用数据集中选择支持向量稀疏集;然后,在SVM模型组合稀疏系数的约束条件下,借助于Fisher线性判别准则最大化未标记数据集的判别能力,并使用迭代优化算法求解目标函数;最后,利用SILD进行特征提取,用余弦相似性度量完成最终的人脸识别。在户外标记人脸(LFW)和YouTube两大通用人脸数据集上,对PHL+SILD方法和低层特征+SILD方法在强度、LBP、Gabor特征和Block Gabor特征,平均精度、曲线下方面积(AUC)和等差率(EER)进行了比较。实验验证了所提算法的有效性及可靠性。
-
关键词
户外人脸识别
原型超平面学习
中层特征表示
支持向量机
线性判别边信息
-
Keywords
wild lace recognition
Prototype Hyperplane Learning.（ I-＇HL）
mid-level teature representation
bupportvector machine （svm）
Side-Information based on Linear Discriminant （SILD）
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
