-
题名自适应通用学习框架在人脸识别中的应用研究
被引量：1
- 1
-
-
作者
于延
王建华
孙惠杰
-
机构
哈尔滨师范大学计算机科学与信息工程学院
-
出处
《计算机应用与软件》
CSCD
北大核心
2014年第7期173-176,共4页
-
基金
国家自然科学基金项目（41071262）
哈尔滨师范大学青年骨干基金项目（11XQXG23）
-
文摘
现实生活中,人脸识别系统通常必须面对单样本每人（SSPP）的问题,即在数据库中每个人只有1张训练样本。这种情况下,系统不能很好地学习训练样本的判别信息,因而许多流行的人脸识别方法将不能很好地奏效。为了解决这个问题,自适应通用学习（AGL）方法利用一个通用判别模型来更好地区分各个单训练样本,同时,采用双线性表示算法来推测类间矩与类内矩;使得FLDA可以应用于单样本人脸识别。在ORL及FERET的实验表明,与其他几种常用的方法相比较,AGL在处理单样本人脸识别问题上取得了更好的结果。
-
关键词
人脸识别
单训练样本每人
通用学习框架
FISHER线性判别分析
-
Keywords
Face recognition
Single training sample per person
Generic learning framework
FLDA
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
