中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2015年
5期
700-707
,共8页
协作表示%Gabor特征%Geodesic特征%残差融合%人脸识别%3维人脸深度图%特征选择
協作錶示%Gabor特徵%Geodesic特徵%殘差融閤%人臉識彆%3維人臉深度圖%特徵選擇
협작표시%Gabor특정%Geodesic특정%잔차융합%인검식별%3유인검심도도%특정선택
collaborative representation%gabor feature%geodesic feature%fused residual%face recognition%3D face depth image%feature selection
目的 针对2维人脸难以克服光照、表情、姿态等复杂问题,提出了一种基于协作表示残差融合的新算法.方法 协作表示分类算法是将所有类的训练图像一起协作构成字典,通过正则化最小二乘法代替1范数求解稀疏系数,减小了计算的复杂度,由此系数重构测试人脸,根据重构误差最小原则,对测试人脸正确分类.该方法首先在3维人脸深度图上提取Gabor特征和Geodesic特征,然后在协作表示算法的基础上融合两者的残差信息,作为最终差异性度量,最后根据融合残差最小原则,进行人脸识别.结果 在不同的训练样本、特征维数条件下,在CIS和Texas 2个人脸数据库上,本文算法的识别率可分别达到94.545％和99.286％.与Gabor-CRC算法相比,本文算法的识别率平均高出了10％左右.结论 在实时成像系统采集的人脸库和Texas 3维人脸库上的实验结果表明,该方法对有无姿态、表情、遮挡等变化问题具有较好的鲁棒性和有效性.
目的 針對2維人臉難以剋服光照、錶情、姿態等複雜問題,提齣瞭一種基于協作錶示殘差融閤的新算法.方法 協作錶示分類算法是將所有類的訓練圖像一起協作構成字典,通過正則化最小二乘法代替1範數求解稀疏繫數,減小瞭計算的複雜度,由此繫數重構測試人臉,根據重構誤差最小原則,對測試人臉正確分類.該方法首先在3維人臉深度圖上提取Gabor特徵和Geodesic特徵,然後在協作錶示算法的基礎上融閤兩者的殘差信息,作為最終差異性度量,最後根據融閤殘差最小原則,進行人臉識彆.結果 在不同的訓練樣本、特徵維數條件下,在CIS和Texas 2箇人臉數據庫上,本文算法的識彆率可分彆達到94.545％和99.286％.與Gabor-CRC算法相比,本文算法的識彆率平均高齣瞭10％左右.結論 在實時成像繫統採集的人臉庫和Texas 3維人臉庫上的實驗結果錶明,該方法對有無姿態、錶情、遮擋等變化問題具有較好的魯棒性和有效性.
목적 침대2유인검난이극복광조、표정、자태등복잡문제,제출료일충기우협작표시잔차융합적신산법.방법 협작표시분류산법시장소유류적훈련도상일기협작구성자전,통과정칙화최소이승법대체1범수구해희소계수,감소료계산적복잡도,유차계수중구측시인검,근거중구오차최소원칙,대측시인검정학분류.해방법수선재3유인검심도도상제취Gabor특정화Geodesic특정,연후재협작표시산법적기출상융합량자적잔차신식,작위최종차이성도량,최후근거융합잔차최소원칙,진행인검식별.결과 재불동적훈련양본、특정유수조건하,재CIS화Texas 2개인검수거고상,본문산법적식별솔가분별체도94.545％화99.286％.여Gabor-CRC산법상비,본문산법적식별솔평균고출료10％좌우.결론 재실시성상계통채집적인검고화Texas 3유인검고상적실험결과표명,해방법대유무자태、표정、차당등변화문제구유교호적로봉성화유효성.
