欢迎来到天天文库
浏览记录
ID:53762175
大小:262.50 KB
页数:3页
时间:2020-04-24
《基于分块聚类的多流形判别分析人脸识别-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第31卷第9期计算机应用研究Vo1.31No.92014年9月ApplicationResearchofComputersSep.2014基于分块聚类的多流形判别分析人脸识别王丽艳,李伟生(1.重庆邮电大学移通学院计算机科学系,重庆401520;2.重庆邮电大学计算机科学与技术学院,重庆400065)摘要:针对传统的人脸识别算法在处理单样本人脸识别时由于训练样本不足而影响识别率的问题,提出了一种基于分块聚类的多流形判别分析(MMDA)算法。将每个单训练样本划分成若干大小相等且互不重叠的局部小块,利用聚类算法将局部小块聚类到各个
2、类所属的流形上,并使用特征变换最大化类与类之间的分离性;最后,计算出测试人脸的流形与所有训练样本流形之间的距离,采用最近邻分类器完成人脸的识别。在ORL及FERET两大人脸数据库上的实验验证了算法的有效性及可靠性,识别率可分别高达77.22%、57.59%,实验结果表明,相比几种较为先进的人脸识别算法,该算法在处理单训练样本人脸识别问题时取得了更好的识别效果。关键词:人脸识别;单训练样本;多流形判别分析;子空间学>-2;分块聚类中图分类号:TP391。41文献标志码:A文章编号:1001—3695(2014)09—2853—0
3、3doi:10.3969/j.issn.1001—3695.2014.09.070MMDAwithblockingclusteringforfacerecognitionWANGLi.yan.LIWei.sheng(1.Dept.ofComputerScience,CollegeofMobileTelecommunications,ChongqingUniversityofPosts&Telecommunications,Chongqing401520,China;2.CollegeofComputerScience&Tech
4、nology,ChongqingUniversityofPosts&Telecommunications,Chongqing400065,China)Abstract:Fortheissuethattraditionalfacerecognitionmethodscouldnotgetexpectedresuhsindealingwithsinglesampleperperson(SSPP)becauseoflackingtrainingimages,thispaperproposedthemuhiplemanifolddis
5、criminativeanalysis(MM-DA)algorithmbasedonblockingclustering.Firstly,itdividedeachsingletrainingimageintosomenon—overlappinglocalpat—cheswithsamesize.Then.itclusteredalllocalpitchesoneachmanifoldbyclusteralgorithmandusedfeaturetransf(1l'/ntomaximizeseparabilitiesbet
6、weenclasses.Finally,itcomputedthedistancesbetweentestingmanifoldandmanifoldsoftotaltrainingimagesandusednearestneighborclassifiertofinishrecognition.ExperimentsonORLandFERETfacedatabasesverifytheeffectivenessandrobustnessofproposedalgorithm.Experimentalresultsshowth
7、atproposedalgorithmhasbetterrecogni—tioneffectthanseveraladvancedalgorithmsindealingwiththeSSPPproblem.Keywords:facerecognition;singletrainingsample;multi—manifolddiscriminativeanalysis;subspacelearning;blocking—clustering近年来,基于面部表情的算法得到了广泛应用,它们的共法进行特征提取,使得FLDA在单样本人
8、脸识别可用。文献同目标都是学习面部特征,采用监督、半监督、无监督的方式将[8]提出了一种通用学习框架算法,引入额外的通用数据集,原始的人脸图像投影到特征子空间,从而更好地提取它们的判将单样本问题变成了多样本问题,并且使用常用算法进行特征别特征。最具代表性的算法有主成分分析算法
此文档下载收益归作者所有