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:
人脸识别是生物特征识别技术最友好的身份识别方式,而三维人脸识别由于可解决二维人脸识别中存在的光照、姿态等局限,成为人脸识别的研究热点,但其特征维数过高是该领域的瓶颈,而维数约减是解决这一问题的关键.流形学习是一类非线性维数约减算法,LOGMAP是一种基于黎曼法坐标的流形学习算法,该算法可以在保持度量信息不变的情况下,把高维空间的数据映射到低维空间.构建了基于流形学习的三维人脸识别框架,并结合LOGMAP进行三维人脸深度图的识别.实验结果表明,该方法在三维深度图上可以得到良好的识别效果.
推荐文章
流形学习在三维人脸特征降维中的应用
三维人脸识别
特征降维
流形学习
基于MEGI模型的三维人脸识别方法
三维人脸识别
扩展高斯图
球面相关性系数
关键点匹配三维人脸识别方法
关键点
投票
识别
人脸
流形学习在三维人脸特征降维中的应用
三维人脸识别
特征降维
流形学习
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 三维人脸深度图的流形学习-LOGMAP识别方法
来源期刊 电子测量与仪器学报 学科 工学
关键词 三维深度图 人脸识别框架 流形学习 黎曼法坐标 LOGMAP
年,卷(期) 2012,(2) 所属期刊栏目 学术论文
研究方向 页码范围 138-143
页数 分类号 TP391
字数 2192字 语种 中文
DOI 10.3724/SP.J.1187.2012.00138
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 蒋建国 合肥工业大学计算机与信息学院 245 2905 27.0 39.0
3 詹曙 合肥工业大学计算机与信息学院 61 544 13.0 19.0
6 叶长明 合肥工业大学计算机与信息学院 4 64 4.0 4.0
7 张芝华 合肥工业大学计算机与信息学院 1 16 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (25)
参考文献  (7)
节点文献
引证文献  (16)
同被引文献  (61)
二级引证文献  (129)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(5)
  • 参考文献(2)
  • 二级参考文献(3)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2013(6)
  • 引证文献(3)
  • 二级引证文献(3)
2014(12)
  • 引证文献(3)
  • 二级引证文献(9)
2015(17)
  • 引证文献(2)
  • 二级引证文献(15)
2016(22)
  • 引证文献(2)
  • 二级引证文献(20)
2017(32)
  • 引证文献(3)
  • 二级引证文献(29)
2018(24)
  • 引证文献(1)
  • 二级引证文献(23)
2019(26)
  • 引证文献(2)
  • 二级引证文献(24)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
三维深度图
人脸识别框架
流形学习
黎曼法坐标
LOGMAP
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
电子测量与仪器学报
月刊
1000-7105
11-2488/TN
大16开
北京市东城区北河沿大街79号
80-403
1987
chi
出版文献量(篇)
4663
总下载数(次)
23
总被引数(次)
44770
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导