基于新迭代规则的稀疏CNMF人脸识别方法

• 作者: 周静 黄心汉
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 人脸识别 新目标函数 改进的迭代规则 基矩阵稀疏 非负矩阵分解 支持向量机
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 面向机器人的图像、脑电信号处理
• 页码范围: 48-54
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.13245/j.hust.181209

摘要

针对凸非负矩阵分解(CNMF)人脸识别方法的运行时间长且识别率不高的问题,提出一种可收敛的易于计算的新目标函数,并引入阈值稀疏约束,得到新的迭代规则,可有效提高识别率和减少计算时间.首先,图像经预处理后得到低频训练样本,经由新迭代规则的稀疏凸非负矩阵方法分解,得到特征的稀疏基矩阵和权值系数矩阵;然后,基于稀疏特征基矩阵对测试样本进行分解,得到测试集的特征权值系数矩阵;最后,使用一对一支持向量机对该特征权值系数矩阵进行识别分类.基于新规则的稀疏化基矩阵数据更为集中,因此相应系数矩阵中特征的权值也更为集中,易于进行分类识别.实验结果表明:基于新迭代规则的稀疏CNMF方法的识别率可达到100％,比凸非负矩阵分解、稀疏非负矩阵分解、多层非负矩阵分解方法分别提高了33.0％,10.0％和5.5％,并且识别时间更短,图像重构误差更小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄心汉	华中科技大学自动化学院	151	2823	27.0	48.0
2	周静	江汉大学数学与计算机科学学院	12	25	3.0	4.0