-
题名K邻域分块自动加权的单样本人脸识别算法
被引量：3
- 1
-
-
作者
魏明俊
许道云
秦永彬
-
机构
贵州大学计算机科学与技术学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2017年第9期1505-1512,共8页
-
基金
国家自然科学基金(Nos.61262006
61540050)
+1 种基金
贵州省重大应用基础研究项目(No.JZ20142001)
贵州省科技厅联合基金(No.LH20147636)~~
-
文摘
在人脸识别问题中,当每类训练样本有且仅有一个时,由于类内缺乏足够的特征变化信息来预测人脸复杂的特征变化,从而导致常用分类算法的识别准确率急剧下降。目前最好的解决方法大致可分为两类:一是生成虚拟的训练样本以扩大训练集;二是学习稀疏变化字典以表示复杂特征变化。针对此问题,在引入稀疏变化字典来表示人脸复杂特征变化的基础上,提出一种基于K邻域分块自动加权的单样本识别算法。通过对测试样本进行分块,然后对每一个子分块求K邻域分块,以组成虚拟的同类别测试样本集;同时提出了一种自动加权策略,对这些分块在分类中的比重进行加权,最后通过一种改进的投票机制确定分类结果。通过与已有的单样本识别算法进行比较,并在公共人脸数据库AR、CMU Multi-PIE和ORL上进行实验,结果表明该方法有助于提高单样本识别问题的分类准确率。
-
关键词
单训练样本
人脸识别
稀疏变化字典
K邻域分块
自动加权
投票机制
-
Keywords
single training sample
face recognition
sparse variation dictionary
K nearest patches
automatic weight
voting mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
