一种新的拓展稀疏人脸识别算法

• 作者: 康利攀 范自柱 陈方福
• 来源期刊: 计算机应用研究
• 关键词: 人脸识别 少样本问题 加权 拓展的稀疏识别
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 图形图像技术
• 页码范围: 937-939
• 页数: 3页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.03.068

摘要

如果每类训练样本较充分，基于稀疏表示分类可以取得比较好的识别效果；当训练样本比较少时，它的分类效果可能就不理想。拓展的稀疏分类算法可以较好地解决这一问题，它在表示测试样本时，引入了训练样本的类内变量矩阵，利用它和训练样本集来表示测试样本，从而提高了人脸识别率。然而，该算法并没有考虑训练样本在表示测试样本中所起的作用，即所有训练样本的权重都等于1。采用高斯核距离对训练样本加权，提出用加权的训练样本和类内散度矩阵来共同表示测试样本，即基于加权的拓展识别算法。实验证明所提算法能够取得更好的人脸识别效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范自柱	华东交通大学理学院	27	85	5.0	8.0
2	康利攀	华东交通大学理学院	1	5	1.0	1.0