本文關(guān)鍵詞：一種鑒別稀疏局部保持投影的人臉識(shí)別算法

  更多相關(guān)文章： 人臉識(shí)別 維數(shù)約簡 稀疏重構(gòu) 局部保持投影

【摘要】：為解決鑒別稀疏鄰域保持嵌入(DSNPE)算法中類間離散度構(gòu)造復(fù)雜的問題,提出了一個(gè)新的維數(shù)約簡算法即鑒別稀疏局部保持投影的人臉識(shí)別算法(DSLPP)。首先利用樣本集中各類樣本的平均向量構(gòu)造字典,通過保持各類樣本平均向量的稀疏重構(gòu)關(guān)系,提出一個(gè)新的無參數(shù)類間離散度;再通過同時(shí)最大化類間離散度和同時(shí)最小化類內(nèi)緊湊度的準(zhǔn)則來尋找最優(yōu)投影方向;最后采用最近鄰分類器進(jìn)行人臉分類識(shí)別。由于所采用的類間離散度最大限度地?cái)U(kuò)大了不同類別中樣本之間的差異,因此DSLPP算法具有更強(qiáng)的類間判別力,其識(shí)別率得到了明顯提高;此外,字典的簡化構(gòu)造降低了算法的計(jì)算復(fù)雜度。在Yale、UMIST和AR人臉庫上的實(shí)驗(yàn)結(jié)果表明:DSLPP算法在Yale、UMIST庫上的平均識(shí)別率及AR庫上的最高識(shí)別率分別達(dá)83.38%、95.72%和83.71%,較其他傳統(tǒng)方法的識(shí)別率有明顯提高;在UMIST庫上的實(shí)驗(yàn)結(jié)果表明,DSLPP算法較DSNPE算法的平均計(jì)算時(shí)間減少了81.7%。
【作者單位】： 西安電子科技大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院;西安石油大學(xué)理學(xué)院;西安電子科技大學(xué)計(jì)算機(jī)學(xué)院;
【關(guān)鍵詞】： 人臉識(shí)別 維數(shù)約簡 稀疏重構(gòu) 局部保持投影
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61503082,61472297)
【分類號(hào)】：TP391.41
【正文快照】： 人臉識(shí)別中,往往會(huì)遇到“維數(shù)災(zāi)難”問題,因此維數(shù)約簡是一種常采用的手段。目前,已經(jīng)有許多種維數(shù)約簡方法,根據(jù)不同的標(biāo)準(zhǔn)可以有不同的分類,根據(jù)映射函數(shù)的形式可分為線性和非線性。主成分分析(PCA)法[1]和線性判別分析(LDA)法[2]因其簡單高效而成為經(jīng)典算法,但是PCA和LDA算

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王李冬;;一種新的人臉識(shí)別算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年05期

2 桂榮;沈榮鑫;詹泳;;基于模糊神經(jīng)推理的人臉識(shí)別算法研究[J];華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

3 蘇士美;王燕;王明霞;;基于加權(quán)小波分解的人臉識(shí)別算法研究[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

4 魏冬梅;周衛(wèi)東;;采用壓縮感知的人臉識(shí)別算法[J];計(jì)算機(jī)工程;2011年18期

5 陳皓;霍星;;視頻監(jiān)控中人臉識(shí)別算法穩(wěn)定性的改進(jìn)[J];工程圖學(xué)學(xué)報(bào);2011年06期

6 李美瑾;;人臉識(shí)別算法綜述與遠(yuǎn)程考試系統(tǒng)應(yīng)用研究[J];廣西廣播電視大學(xué)學(xué)報(bào);2012年01期

7 盛朝強(qiáng);王君;;煤礦井下人員簽到系統(tǒng)人臉識(shí)別算法研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年07期

8 朱學(xué)毅;王崇駿;周新民;張W，

本文編號(hào)：545647