基于多局部相关特征学习的两视角人脸识别方法

    公开(公告)号:CN105893947B

    公开(公告)日:2019-12-03

    申请号:CN201610188792.9

    申请日:2016-03-29

    Applicant: 江南大学

    Abstract: 本发明公布了一种基于多局部相关特征学习的双视角人脸识别方法,主要在相关特征学习中使用多种局部信息来更好地掌握数据间真实的非线性结构,从而提高人脸识别的准确性。其实现过程为:确定每个训练样本的多种局部块;构建一个相关特征学习和多局部融合的统一优化框架,然后交替迭代求解相关投影方向和多局部融合系数;最后对训练和测试样本进行特征提取和特征融合,并使用最近邻分类器进行识别。与现有技术相比,本发明提出的人脸识别方法更具有效性和鲁棒性。

    基于多局部相关特征学习的两视角人脸识别方法

    公开(公告)号:CN105893947A

    公开(公告)日:2016-08-24

    申请号:CN201610188792.9

    申请日:2016-03-29

    Applicant: 江南大学

    Abstract: 本发明公布了一种基于多局部相关特征学习的双视角人脸识别方法,主要在相关特征学习中使用多种局部信息来更好地掌握数据间真实的非线性结构,从而提高人脸识别的准确性。其实现过程为:确定每个训练样本的多种局部块;构建一个相关特征学习和多局部融合的统一优化框架,然后交替迭代求解相关投影方向和多局部融合系数;最后对训练和测试样本进行特征提取和特征融合,并使用最近邻分类器进行识别。与现有技术相比,本发明提出的人脸识别方法更具有效性和鲁棒性。

    基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法

    公开(公告)号:CN103678949A

    公开(公告)日:2014-03-26

    申请号:CN201410009933.7

    申请日:2014-01-09

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法,主要解决噪声环境下,多扩展目标数未知且变化的量测集难以划分、计算代价高的问题。该方法采用高斯核构建量测集的密度分布函数,然后根据密度直方图技术选取密度阈值,滤除量测集中的杂波量测,并引入近邻传播技术构建去杂波量测数据集的相似度矩阵,最后,对该相似度矩阵进行拉普拉斯谱变换,采用K均值算法对其进行聚类。本发明方法能够准确划分多扩展目标量测集,降低计算代价,以提高多扩展目标跟踪性能,满足实际工程系统的设计需求。

Patent Agency Ranking