首页 | 本学科首页   官方微博 | 高级检索  
     

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:2013-07-19
修稿时间:2013-10-18

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
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号