K邻域分块自动加权的单样本人脸识别算法

• 作者: 秦永彬 许道云 魏明俊
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 单训练样本 人脸识别 稀疏变化字典 K邻域分块 自动加权 投票机制
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1505-1512
• 页数: 8页
• 分类号: TP391
• 字数: 6202字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1607031

摘要

在人脸识别问题中,当每类训练样本有且仅有一个时,由于类内缺乏足够的特征变化信息来预测人脸复杂的特征变化,从而导致常用分类算法的识别准确率急剧下降.目前最好的解决方法大致可分为两类:一是生成虚拟的训练样本以扩大训练集;二是学习稀疏变化字典以表示复杂特征变化.针对此问题,在引入稀疏变化字典来表示人脸复杂特征变化的基础上,提出一种基于K邻域分块自动加权的单样本识别算法.通过对测试样本进行分块,然后对每一个子分块求K邻域分块,以组成虚拟的同类别测试样本集;同时提出了一种自动加权策略,对这些分块在分类中的比重进行加权,最后通过一种改进的投票机制确定分类结果.通过与已有的单样本识别算法进行比较,并在公共人脸数据库AR、CMU Multi-PIE和ORL上进行实验,结果表明该方法有助于提高单样本识别问题的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许道云	贵州大学计算机科学与技术学院	125	460	12.0	16.0
2	秦永彬	贵州大学计算机科学与技术学院	63	213	8.0	10.0
3	魏明俊	贵州大学计算机科学与技术学院	5	30	3.0	5.0