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:
在人脸识别的过程中,利用独立成分分析(ICA)方法得到的特征能够很好的描述原始图像,但是不具备很好的判别分类能力.判别共同矢量(DCV)是一种在类内散布矩阵的零空间中求取投影矩阵的方法,相比线性鉴别分析(LDA)方法,可以得到更具鉴别能力的特征.因此本文提出一种新的特征提取算法,简称I-DCV,首先对预处理后的人脸图像应用独立成分分析算法去除二阶及高阶冗余信息,然后利用DCV对求取的独立特征向量作进一步的处理,最后依据欧式距离进行分类识别.实验结果表明,本文提出的方法具有很好的识别性能.
推荐文章
基于视频监控的人脸识别方法
人脸识别
监控视频
人脸序列
协同识别
基于LLE算法的人脸识别方法
子空间分析
局部线性嵌入
非线性降维
人脸识别
基于频谱的人脸识别方法
人脸识别
本征脸
LDA
频谱脸
基于PCA的人脸识别方法的比较研究
PCA
人脸识别
2DPCA
PCA+2DPCA
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I-DCV的人脸识别方法
来源期刊 电子测量与仪器学报 学科 工学
关键词 特征提取 人脸识别 独立成分分析(ICA) 判别共同矢量(DCV)
年,卷(期) 2015,(1) 所属期刊栏目 学术论文
研究方向 页码范围 106-110
页数 5页 分类号 TP391
字数 2772字 语种 中文
DOI 10.13382/j.jemi.2015.01.014
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 许良凤 合肥工业大学计算机与信息学院 41 320 10.0 16.0
2 胡敏 合肥工业大学计算机与信息学院 116 1456 20.0 34.0
3 王晓华 合肥工业大学计算机与信息学院 37 504 11.0 22.0
4 李艳秋 合肥工业大学情感计算与先进智能机器安徽省重点实验室 6 77 4.0 6.0
5 刘盛中 合肥工业大学情感计算与先进智能机器安徽省重点实验室 2 23 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (66)
共引文献  (46)
参考文献  (14)
节点文献
引证文献  (9)
同被引文献  (36)
二级引证文献  (51)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
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)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(12)
  • 参考文献(1)
  • 二级参考文献(11)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(10)
  • 参考文献(2)
  • 二级参考文献(8)
2012(8)
  • 参考文献(6)
  • 二级参考文献(2)
2013(4)
  • 参考文献(3)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(7)
  • 引证文献(3)
  • 二级引证文献(4)
2017(14)
  • 引证文献(2)
  • 二级引证文献(12)
2018(21)
  • 引证文献(2)
  • 二级引证文献(19)
2019(13)
  • 引证文献(0)
  • 二级引证文献(13)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
特征提取
人脸识别
独立成分分析(ICA)
判别共同矢量(DCV)
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导