基于多级分类的稀疏表征人脸识别方法.pdf
新月****姐a
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
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
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
一种基于人脸关键点提取和稀疏表达分类的表情识别方法.pdf
本发明公开了一种基于人脸关键点提取和稀疏表达分类的表情识别方法,包括以下步骤:S1.采集人脸表情图像;S2.对采集的人脸表情图像进行预处理;S3.根据预处理得到的图像进行人脸检测和人脸关键点提取,并根据提取的关键点,构建样本的特征向量;S4.采用稀疏表示分类对人脸关键点所对应特征向量进行分类识别。本发明提供的一种基于人脸关键点提取和稀疏表达分类的表情识别方法,不仅可以通过标记人脸器官和脸颊的轮廓,还能实时跟踪这些器官的形变,形变的过程正好可以反映人脸表情,结合稀疏表达分类,有效提高了表情识别的准确性。
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