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:
在人脸识别中,人脸图像受到表情、光照、遮挡、姿态变化、特别是训练样本数量的影响,而现实中经常只获得少量的训练样本,由于原始样本生成虚拟样本可以增加训练样本的数量,分析提出原始样本与轴对称样本融合的协同表示算法.首先生成镜像样本与轴对称样本,再在协同表示分类器下分类,最后加权值融合,分析不同权值下的人脸识别率.实验结果显示原始样本、镜像样本与轴对称样本融合能提高识别率,而原始样本与轴对称样本融合的识别率更加优越,较原始样本,识别率提高2%~9%,比原始样本与镜像样本融合高1%~5%.结果表明本文提出方法能有效提高人脸识别率.
推荐文章
基于虚拟样本的协同表示人脸识别算法
人脸识别
协同表示
虚拟样本
基于核稀疏表示的人脸人耳融合识别算法的研究
融合识别
核稀疏表示
特征提取
加权串联融合
正交匹配追踪算法
鲁棒性
基于SIFT稀疏表示的人脸识别算法
人脸识别
尺度不变特征变换
FisherVector
主成分分析
稀疏表示
一种鲁棒稀疏表示的单样本人脸识别算法
稀疏表示
单样本
人脸识别
位置图像
L2,1范数
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 混合样本协同表示算法的人脸识别研究
来源期刊 液晶与显示 学科 工学
关键词 人脸识别 镜像样本 轴对称样本 协同表示 权值融合
年,卷(期) 2017,(12) 所属期刊栏目 图像处理
研究方向 页码范围 987-992
页数 6页 分类号 TP391
字数 2546字 语种 中文
DOI 10.3788/YJYXS20173212.0987
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 杨平先 四川理工学院自动化与信息工程学院 63 298 10.0 14.0
2 杨明中 四川理工学院自动化与信息工程学院 3 7 1.0 2.0
3 林国军 四川理工学院自动化与信息工程学院 2 6 1.0 2.0
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  (10)
参考文献  (11)
节点文献
引证文献  (6)
同被引文献  (16)
二级引证文献  (1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(7)
  • 参考文献(4)
  • 二级参考文献(3)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(6)
  • 参考文献(2)
  • 二级参考文献(4)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(5)
  • 引证文献(4)
  • 二级引证文献(1)
研究主题发展历程
节点文献
人脸识别
镜像样本
轴对称样本
协同表示
权值融合
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
液晶与显示
月刊
1007-2780
22-1259/O4
大16开
长春市东南湖大路3888号
12-203
1986
chi
出版文献量(篇)
3141
总下载数(次)
7
总被引数(次)
21631
论文1v1指导