-
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]
-
-
题名学习原型超平面融合SILD的户外人脸识别
- 2
-
-
作者
王轶冰
-
机构
安徽大学计算机教学部
-
出处
《计算机工程与应用》
CSCD
2014年第10期197-202,共6页
-
文摘
非限制环境下光照、姿势、表情等变化已成为户外人脸识别的主要瓶颈所在。针对这一问题,提出了一种学习原型超平面融合线性判别边信息的算法进行人脸识别。利用支持向量机将弱标记数据集中的每个样本表示成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;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;利用线性判别边信息进行特征提取、余弦相似性度量以完成最终的人脸识别。在Extended YaleB和户外标记人脸(LFW)和通用人脸数据集上进行实验,验证了所提算法的有效性和可靠性。实验结果表明,相比其他几种较为先进的人脸识别算法,所提算法取得更好的识别性能。
-
关键词
户外人脸识别
中层特征表示
支持向量机
奇异值分解
线性判别边信息
-
Keywords
wild face recognition
mid-level feature representation
Support Vector Machine
Singular Value Decomposition
side-information based on linear discriminant
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
