-
题名基于小样本高维特征的人脸自动识别算法研究
- 1
-
-
作者
李凌
李桂娟
-
机构
辽宁工程技术大学应用技术学院计算机系
水下监测国防科技重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2014年第6期314-316,共3页
-
基金
国家自然科学基金重点实验室基金项目(9140C260303120C2601)资助
-
文摘
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
-
Keywords
Face recognition
Canonical correlation analysis
Sub-pattern
Fusional features
-
分类号
TP357
[自动化与计算机技术—计算机系统结构]
-
