计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
5期
289-294,封3
,共7页
稀疏表示%贪婪算法%人脸识别%分类
稀疏錶示%貪婪算法%人臉識彆%分類
희소표시%탐람산법%인검식별%분류
Sparse representation%Greedy algorithm%Face recognition%Classifications
人脸识别作为最具吸引力的生物识别技术之一,由于会受到不同的照明条件、面部表情、姿态和环境的影响,仍然是一个具有挑战性的任务.众所周知,一幅人脸图像是对人脸的一次采样,它不应该被看作是脸部的绝对精确表示.然而在实际应用中很难获得足够多的人脸样本.随着稀疏表示方法在图像重建问题中的成功应用,研究人员提出了一种特殊的分类方法,即基于稀疏表示的分类方法.受此启发,提出了在稀疏表示框架下的整合原始人脸图像和虚拟样本的人脸分类算法.首先,通过合成虚拟训练样本来减少面部表示的不确定性.然后,在原始训练样本和虚拟样本组成的混合样本中通过计算来消除对分类影响较小的类别和单个样本,在系数分解的过程中采用最小误差正交匹配追踪(Error-Constrained Orthogonal Matching Pursuit,OMP)方法,进而选出贡献程度大的类别样本并进行分类.实验结果表明,提出的方法不仅能获得较高的人脸识别的精度,而且还具有更低的计算复杂性.
人臉識彆作為最具吸引力的生物識彆技術之一,由于會受到不同的照明條件、麵部錶情、姿態和環境的影響,仍然是一箇具有挑戰性的任務.衆所週知,一幅人臉圖像是對人臉的一次採樣,它不應該被看作是臉部的絕對精確錶示.然而在實際應用中很難穫得足夠多的人臉樣本.隨著稀疏錶示方法在圖像重建問題中的成功應用,研究人員提齣瞭一種特殊的分類方法,即基于稀疏錶示的分類方法.受此啟髮,提齣瞭在稀疏錶示框架下的整閤原始人臉圖像和虛擬樣本的人臉分類算法.首先,通過閤成虛擬訓練樣本來減少麵部錶示的不確定性.然後,在原始訓練樣本和虛擬樣本組成的混閤樣本中通過計算來消除對分類影響較小的類彆和單箇樣本,在繫數分解的過程中採用最小誤差正交匹配追蹤(Error-Constrained Orthogonal Matching Pursuit,OMP)方法,進而選齣貢獻程度大的類彆樣本併進行分類.實驗結果錶明,提齣的方法不僅能穫得較高的人臉識彆的精度,而且還具有更低的計算複雜性.
인검식별작위최구흡인력적생물식별기술지일,유우회수도불동적조명조건、면부표정、자태화배경적영향,잉연시일개구유도전성적임무.음소주지,일폭인검도상시대인검적일차채양,타불응해피간작시검부적절대정학표시.연이재실제응용중흔난획득족구다적인검양본.수착희소표시방법재도상중건문제중적성공응용,연구인원제출료일충특수적분류방법,즉기우희소표시적분류방법.수차계발,제출료재희소표시광가하적정합원시인검도상화허의양본적인검분류산법.수선,통과합성허의훈련양본래감소면부표시적불학정성.연후,재원시훈련양본화허의양본조성적혼합양본중통과계산래소제대분류영향교소적유별화단개양본,재계수분해적과정중채용최소오차정교필배추종(Error-Constrained Orthogonal Matching Pursuit,OMP)방법,진이선출공헌정도대적유별양본병진행분류.실험결과표명,제출적방법불부능획득교고적인검식별적정도,이차환구유경저적계산복잡성.