-
公开(公告)号：CN104268593B
公开(公告)日：2017-10-17
申请号：CN201410488550.2
申请日：2014-09-22
Applicant: 华东交通大学
Abstract: 一种小样本情况下多稀疏表示的人脸识别方法，该方法采用两种方式来解决人脸识别中的小样本情况，一是由给定的原始训练样本产生“虚拟样本”，增加训练样本数；二是在产生虚拟样本的基础上，用三种非线性特征抽取方法，即核主成分分析、核鉴别分析和核局部保持投影算法，抽取样本的特征；这样就会得到三类特征模式，对每种特征模式构建稀疏表示模型；对每个样本总共构建三个稀疏表示模型，最后根据表示结果来分类。本发明提供的多稀疏表示分类方法通过对称镜像产生虚拟人脸，再构建基于L1范数的多稀疏表示模型并分类。本方法与其它分类方法相比，该方法鲁棒性强，分类效果好，特别适用于很多数据维数高且训练样本少的分类场合。
-
公开(公告)号：CN104268593A
公开(公告)日：2015-01-07
申请号：CN201410488550.2
申请日：2014-09-22
Applicant: 华东交通大学
CPC classification number: G06K9/00268 , G06K9/6256 , G06K9/6267
Abstract: 一种小样本情况下多稀疏表示的人脸识别方法，该方法采用两种方式来解决人脸识别中的小样本情况，一是由给定的原始训练样本产生“虚拟样本”，增加训练样本数；二是在产生虚拟样本的基础上，用三种非线性特征抽取方法，即核主成分分析、核鉴别分析和核局部保持投影算法，抽取样本的特征；这样就会得到三类特征模式，对每种特征模式构建稀疏表示模型；对每个样本总共构建三个稀疏表示模型，最后根据表示结果来分类。本发明提供的多稀疏表示分类方法通过对称镜像产生虚拟人脸，再构建基于L1范数的多稀疏表示模型并分类。本方法与其它分类方法相比，该方法鲁棒性强，分类效果好，特别适用于很多数据维数高且训练样本少的分类场合。
-
Search Results
2
records
(took 0.014 seconds)
