基于特征向量提取和SVM分类器的课堂人脸识别研究

被引：7

作者：

黄丽媛 ^{[1
]}

吴南寿 ^{[1
]}

王雪花 ^{[1
]}

曾亚光 ^{[1
]}

韩定安 ^{[1
]}

周月霞 ^{[2
]}

机构：

[1] 佛山科学技术学院物理与光电工程学院

[2] 佛山科学技术学院电子信息工程学院

来源：

仪器仪表用户 | 2019年 / 26卷 / 02期

关键词：

人脸识别; 课堂考勤; 特征向量; SVM;

D O I：

暂无

中图分类号：

TP391.41 []; TP181 [自动推理、机器学习];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对课堂考勤时人脸角度、表情变化和人脸部分遮挡导致人脸识别算法识别不准的问题,本文提出一种基于特征向量提取和SVM(SupportVectorMachine)分类器的人脸识别方法。其中,深度神经网络模型经过三元组损失函数(tripletloss)优化可以提取人脸图像在欧氏空间的特征向量,将特征向量输入SVM分类器进行训练,利用训练好的SVM分类器可进行人脸识别。在实际课堂考勤实验中,本文提出的人脸识别方法在人脸角度、表情变化和人脸部分遮挡的情况下人脸识别准确率能达到92.68%。

引用

页码：15 / 17

页数：3