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:
在兼顾实时性的情况下,为了进一步提高人脸识别的识别率,本文提出一种基于特征联合和支持向量机的人脸识别方法.首先,提取人脸样本的梯度方向直方图特征和局部二值模式特征,并将这两种特征进行联合形成样本的联合特征.其次,使用主成分分析法对样本联合特征进行降维得到样本的低维联合特征.最后,利用训练样本的低维联合特征训练支持向量机得到一个人脸识别器,并利用该人脸识别器对测试样本进行识别.基于ORL人脸库的实验结果表明,与现有方法相比,本文方法在取得较高识别率的同时也取得了较好的实时性.
推荐文章
基于支持向量机的人脸识别研究
人脸识别
支持向量机
离散小波变换
基于二维Gabor小波和支持向量机的人脸识别
人脸识别
小波特征
主成分分析
支持向量机
基于聚类算法和层次支持向量机的人脸识别方法
聚类算法
层次支持向量机
免疫算法
小波变换
蚁群算法优化支持向量机的人脸识别
蚁群算法
人脸识别
支持向量机
特征检测
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 基于特征联合和支持向量机的人脸识别
来源期刊 燕山大学学报 学科 工学
关键词 人脸识别 梯度方向直方图 局部二值模式 支持向量机 ORL人脸库
年,卷(期) 2012,(6) 所属期刊栏目 计算机科学与技术
研究方向 页码范围 519-525
页数 7页 分类号 TP391.41
字数 4896字 语种 中文
DOI 10.3969/j.issn.1007-791X.2012.06.009
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 张世辉 燕山大学信息科学与工程学院 49 470 10.0 20.0
2 郭顺超 燕山大学信息科学与工程学院 2 11 2.0 2.0
3 陈琦 燕山大学信息科学与工程学院 7 63 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (2)
参考文献  (5)
节点文献
引证文献  (5)
同被引文献  (20)
二级引证文献  (25)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(7)
  • 引证文献(2)
  • 二级引证文献(5)
2017(8)
  • 引证文献(1)
  • 二级引证文献(7)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
人脸识别
梯度方向直方图
局部二值模式
支持向量机
ORL人脸库
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
燕山大学学报
双月刊
1007-791X
13-1219/N
大16开
河北省秦皇岛市河北大街西段438号
18-73
1963
chi
出版文献量(篇)
2254
总下载数(次)
2
总被引数(次)
12529
论文1v1指导