Gabor特征的稀疏表示人臉識別算法
大?。?/span>0.61 MB 人氣： 2017-11-23 需要積分：0
目前的人臉識別算法常常忽視訓練過程中噪聲的影響，特別是在訓練數(shù)據(jù)和待測數(shù)據(jù)都受到噪聲污染的情況下，識別性能會明顯下降。針對含有光照變化、偽裝、遮擋及表情變化等較大噪聲的人臉識別問題，提出了一種基于低秩子空間投影和Gabor特征的稀疏表示人臉識別算法。該算法首先通過低秩矩陣恢復算法得到訓練樣本的潛在低秩結構和稀疏誤差結構；然后利用主成分分析法找到低秩結構的Gabor特征所在低秩子空間的變換矩陣；再通過變換矩陣將所有樣本的Gabor特征向量投影到低秩子空間上，在該低秩子空間上使用稀疏表示分類算法進行最終的分類識別。在Extend Yale B和AR數(shù)據(jù)庫上的實驗表明，新算法具有較高的識別率和較強的抗干擾能力。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
Gabor特征的稀疏表示人臉識別算法下載
相關電子資料下載
- 人臉識別技術的可行性在于矛盾具有什么性 98
- 人臉識別技術的優(yōu)缺點有哪些 145
- 人臉識別技術將應用在哪些領域 137
- 人臉識別技術的原理介紹 154
- 如何設計人臉識別的神經(jīng)網(wǎng)絡 148
- 人臉識別模型訓練流程 154
- 人臉識別模型訓練失敗原因有哪些 135
- 人臉識別模型訓練是什么意思 134
- 人臉檢測和人臉識別的區(qū)別是什么 169
- 圖像檢測與識別技術的關系 155