学习原型超平面融合线性判别边信息的人脸识别算法

• 作者: 张博
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 户外人脸识别 原型超平面学习 中层特征表示 支持向量机 线性判别边信息
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 虚拟现实与数字媒体
• 页码范围: 2044-2049
• 页数: 6页
• 分类号: TP399
• 字数: 5619字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.07.2044

摘要

针对现实环境中姿势、光照、表情及场景较大变化严重影响户外人脸识别算法识别性能的问题,提出了一种学习原型超平面(PHL)融合线性判别边信息(SILD)算法.首先,利用支持向量机(SVM)将弱标记数据集中的每个样本表示为一个原型超平面中层特征,使用学习组合系数从未标记的通用数据集中选择支持向量稀疏集;然后,在SVM模型组合稀疏系数的约束条件下,借助于Fisher线性判别准则最大化未标记数据集的判别能力,并使用迭代优化算法求解目标函数;最后,利用SILD进行特征提取,用余弦相似性度量完成最终的人脸识别.在户外标记人脸(LFW)和YouTube两大通用人脸数据集上,对PHL+ SILD方法和低层特征+SILD方法在强度、LBP、Gabor特征和Block Gabor特征,平均精度、曲线下方面积(AUC)和等差率(EER)进行了比较.实验验证了所提算法的有效性及可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张博	长沙师范学院电子信息工程系	19	59	4.0	7.0