基于稀疏表示的人脸识别方法研究.docx
猫巷****熙柔
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于稀疏表示的人脸识别方法研究.docx
基于稀疏表示的人脸识别方法研究摘要:稀疏性是信号表示非零系数个数的度量一个信号越稀疏它的非零系数个数越多。稀疏表示一种信号的基础研究它在人脸识别、图像复原、图像去噪等领域有着极为重要的意义。文章基于信号的稀疏特性在人脸识别、图像去噪等方面的应用对信号在过完备字典下的表示进行了研究。关键词:稀疏表示;人脸识别方法;图像复原;图像去噪;字典优化文献标识码:A中图分类号:TP393文章编号:1009-2374(2015)36-0001-03DOI:10.1
基于稀疏表示的人脸识别方法研究.docx
基于稀疏表示的人脸识别方法研究摘要:稀疏性是信号表示非零系数个数的度量一个信号越稀疏它的非零系数个数越多。稀疏表示一种信号的基础研究它在人脸识别、图像复原、图像去噪等领域有着极为重要的意义。文章基于信号的稀疏特性在人脸识别、图像去噪等方面的应用对信号在过完备字典下的表示进行了研究。关键词:稀疏表示;人脸识别方法;图像复原;图像去噪;字典优化文献标识码:A中图分类号:TP393文章编号:1009-2374(2015)36-0001-03DOI:10.1
基于HOG特征稀疏表示的非约束人脸识别方法.pdf
本发明提供一种基于HOG特征稀疏表示的非约束人脸识别方法,首先输入人脸数据库图片,提取输入图片的HOG特征;从每类人中随机选择若干张图片作训练,其余留作测试;将每类人每张训练图片的HOG特征列向量构建特征字典;利用梯度投影稀疏重建算法得到测试样本的HOG特征稀疏表示系数;按类依次保留稀疏系数,剩余系数置零,得到近似稀疏系数,与字典相乘得到测试样本估计值;计算测试样本与估计值的均方误差,根据均方误差最小原则判断测试样本类别。该方法有效降低非约束环境对人脸识别性能的影响,增强非约束人脸识别的鲁棒性。解决了传统
稀疏表示域中基于深度特征学习的人脸识别方法及系统.pdf
本发明公开了一种稀疏表示域中基于深度特征学习的人脸识别方法及系统,其中方法包括以下步骤:获取人脸图像;采用二维小波分解、局部二值算子与梯度算子对所述人脸图像进行处理,获得所述人脸图像的稀疏表示;将所述稀疏表示输入人脸识别模型进行人脸识别,获得人脸识别结果。本发明通过二维小波变换、局部二值算子和梯度算子处理原始人脸获得稀疏表示,去除冗余信息并保留了富含语义的信息,更适合神经网络对深度特征进行提取,提高人脸识别准确度,可广泛应用于计算机视觉领域。
基于多级分类的稀疏表征人脸识别方法.pdf
本发明公开了一种基于多级分类的稀疏表征人脸识别方法,主要解决现有人脸识别方法不能有效运用于多类别人脸识别的缺点。其实现过程为:(1)将用于训练的人脸数据库随机分成n个子库,分别对每个子库进行降维,保留降维后的训练人脸数据和对应每个子库的变换矩阵;(2)输入测试人脸图像,利用各子库的变换矩阵对其进行降维,保留降维后的测试人脸数据;(3)用降维后的测试人脸数据与各子库中的训练人脸数据作内积运算,内积最大的前k个子库作为候选子库,使搜索范围缩小到这k个子库中;(4)分别在k个子库中对人脸进行识别,确定测试人脸图