改进KNN算法对人体身份的识别

• 作者: 余勤 连天友
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人体身份识别 脸部数据 骨骼数据 排序截断均值法 匹配识别准确度
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 142-146,243
• 页数: 6页
• 分类号: TP391.41
• 字数: 3915字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1803-0012

摘要

为了理解特征学习过程、减少数据存储和提高识别率,提出使用Kinect v2的面部数据和骨骼数据作为数据集和一种改进KNN算法对人体身份的识别.使用Kinect v2提取出人体脸部特征点和骨骼关节点的三维位置信息,通过提取出的特征点的坐标计算出理解性强的特征信息如眼宽、臂长等.利用一种改进的截断均值聚类方法,通过排序把奇异值分布到数据集两端,截取数据集中间特征以抑制奇异值,利用基于匹配识别准确度的改进KNN算法对人体身份进行预测.实验结果表明提出的聚类方法匹配识别准确度更高,改进的分类方法也提高了识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余勤	四川大学电气信息学院	98	324	10.0	13.0
2	连天友	四川大学电气信息学院	1	3	1.0	1.0