基于分块字典学习的稀疏表示人脸识别方法

• 作者: 潘炼 阮洋
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 分块字典学习 加权投票 稀疏表示 人脸识别
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 视频应用与工程
• 页码范围: 192-197
• 页数: 6页
• 分类号: TP391
• 字数: 5430字
• 语种: 中文
• DOI: 10.16280/j.videoe.2017.h11.037

摘要

字典学习能加强样本字典的稀疏性,得到的训练样本基类可以提高识别速度和精确度,但是对大量特征维数较高的训练样本使用字典学习进行稀疏表示分类运算量非常大.针对此问题,提出一种基于分块字典学习的稀疏表示人脸识别方法.首先将训练样本字典进行分块,使用Metaface字典学习方法对每块样本进行学习得到训练样本基,然后对字典基进行稀疏表示分类,采用投票方式对每块的最小重构误差进行加权投票确定分类结果.在Extended Yale B、ORL人脸数据库上通过实验对比现有方法,结果表明,该方法在训练样本有光照、表情变化的情况下有较高的识别率和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘炼	武汉科技大学信息科学与工程学院	47	142	7.0	10.0
2	阮洋	武汉科技大学信息科学与工程学院	1	0	0.0	0.0