K邻域分块自动加权的单样本人脸识别算法

被引：4

作者：

魏明俊

许道云

秦永彬

机构：

[1] 贵州大学计算机科学与技术学院

来源：

计算机科学与探索 | 2017年 / 11卷 / 09期

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;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

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。

引用

页码：1505 / 1512

页数：8

共 8 条

[1]

Using the idea of the sparse representation to perform coarse-to-fine face recognition.[J].Yong Xu;Qi Zhu;Zizhu Fan;David Zhang;Jianxun Mi;Zhihui Lai.Information Sciences.2013,

[2]

Using the original and 'symmetrical face' training samples to perform representation based two-step face recognition [J].

Xu, Yong ;

Zhu, Xingjie ;

Li, Zhengming ;

Liu, Guanghai ;

Lu, Yuwu ;

Liu, Hong .

PATTERN RECOGNITION, 2013, 46 (04) :1151-1158

[3]

Pose invariant virtual classifiers from single training image using novel hybrid-eigenfaces.[J].Abhishek Sharma;Anamika Dubey;Pushkar Tripathi;Vinod Kumar.Neurocomputing.2010, 10

[4]

Multi-PIE.[J].Ralph Gross;Iain Matthews;Jeffrey Cohn;Takeo Kanade;Simon Baker.Image and Vision Computing.2009, 5

[5]

Face recognition from a single image per person: A survey [J].

Tan, Xiaoyang ;

Chen, Songcan ;

Zhou, Zhi-Hua ;

Zhang, Fuyan .

PATTERN RECOGNITION, 2006, 39 (09) :1725-1745

[6]

A new face recognition method based on SVD perturbation for single example image per person.[J].Daoqiang Zhang;Songcan Chen;Zhi-Hua Zhou.Applied Mathematics and Computation.2004, 2

[7]

Making FLDA applicable to face recognition with one sample per person.[J].Songcan Chen;Jun Liu;Zhi-Hua Zhou.Pattern Recognition.2003, 7

[8]

SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

← 1 →