- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于全局和分离部件融合的双L_1稀疏表示人脸图像识别算法
25 2 Vol. 25 No. 2
第 卷 第 期 模式识别与人工智能
2012 4 PR & AI Apr 2012
年 月
基于全局和分离部件融合的
*
双L1稀疏表示人脸图像识别算法
胡正平 宋淑芬
( 066004)
燕山大学信息科学与工程学院 秦皇岛
, L
摘 要 考虑到人脸识别中全局与局部信息的互补作用 提出基于全局和分离部件相结合的双 1 稀疏表示人脸图像
. L , . , ,
识别算法 首先在 稀疏表示的基础上 对人脸进行全局稀疏逼近 其次 在分离部件识别模型中 抽取并对齐稍有重
1
, , , .
叠的几个人脸部件 分别进行稀疏表示 然后使用基于稀疏表示残差的相似度投票方法 将各部件逼近结果综合 最
, L . ,
后在决策层上将全局与部件的稀疏表示加权集成 形成双 1 稀疏表示分类器 在公用人脸数据库上的实验表明 集成
, 、 , .
分类器优于各单一模块的识别性能 且由于融合了对光照 表情等变化不敏感的部件信息 系统鲁棒性得到提高
, , ,
L
关键词 人脸部件 人脸识别 稀疏表示 范数
1
中图法分类号 TP 391. 4 1
Bi-L1 Sparse Representation Algorithm for Face Recognition
Based on Fusion of Global and Separated Components
HU Zheng-Ping ,SONG Shu-Fen
(School of Inf ormation Science and Engineering ,Yanshan University ,Qinhuangdao 066004 )
ABSTRACT
Considering
文档评论(0)