基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高人脸识别算法性能,提出了一种多尺度梯度角(MSGA)和支持向量机(SVM)相结合的新的正面人脸识别方法.分析了梯度角对光照的不敏感特性和反对称双正交小波(ASBW)的导数特性.获取多尺度梯度角特征,并利用其所具有的降噪能力和有效降低表情变化、光照变化等因素引起的影响,使算法具备较强的鲁棒性.采用了分类性能优越的支持向量机技术,提高了泛化能力.并在Yale人脸数据库上与归一化原始数据、小波处理后数据进行了仿真比较,实验数据显示,不论使用主分量分析(PCA)还是线性鉴别分析(LDA)降维,在相同的维数条件下,新方法的识别性能都优于其他方法.
推荐文章
基于LLE和LS-SVM的人脸识别方法
人脸识别
主成分分析
局部线性嵌套
最小二乘支持向量机
基于ICA和线性回归的多姿态人脸识别方法
独立成分分析
线性回归
姿态变换
人脸合成
基于多尺度分析的三维人脸识别
三维人脸识别
多尺度分析
特征提取
特征匹配
人耳和侧面人脸融合的多模态身份识别
人耳识别
全空间线性判别分析
决策层融合
多模态识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多尺度梯度角和SVM的正面人脸识别方法
来源期刊 浙江大学学报(工学版) 学科 工学
关键词 反对称双正交小波 支持向量机 线性鉴别分析 主成分分析 多尺度梯度角 非负矩阵分解
年,卷(期) 2008,(4) 所属期刊栏目 自然化技术、计算机技术
研究方向 页码范围 590-592,617
页数 4页 分类号 TP391
字数 1930字 语种 中文
DOI 10.3785/j.issn.1008-973X.2008.04.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 严晓浪 浙江大学超大规模集成电路设计研究所 246 1634 19.0 29.0
2 赵武锋 浙江大学超大规模集成电路设计研究所 13 60 6.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (6)
同被引文献  (9)
二级引证文献  (10)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
反对称双正交小波
支持向量机
线性鉴别分析
主成分分析
多尺度梯度角
非负矩阵分解
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导