基于极限学习机与子空间追踪的人脸识别算法

发布时间：2017-09-01 12:46

  本文关键词：基于极限学习机与子空间追踪的人脸识别算法

  更多相关文章： 人脸识别 极限学习机 稀疏表示 稀疏编码 子空间追踪

【摘要】：极限学习机(ELM)与稀疏表示分类(SRC)算法被广泛应用于人脸识别中。ELM学习速度快,但不能很好地处理噪声图像,SRC对噪声具有鲁棒性,但计算复杂度较高。针对上述2种算法的优缺点,利用子空间追踪算法求解稀疏系数,提出一种改进的人脸识别算法,从而达到高识别率与快速的识别效果。该算法根据测试样本的ELM实际输出向量判断是否为噪声图像,干净图像直接依据ELM输出向量进行分类,噪声图像采用子空间追踪算法结合SRC框架来分类。在扩展的Yale B和ORL人脸数据库上的实验结果表明,该算法不仅识别率高,且识别速度快。
【作者单位】： 长沙理工大学计算机与通信工程学院;
【关键词】： 人脸识别 极限学习机 稀疏表示 稀疏编码 子空间追踪
【基金】：国家自然科学青年基金资助项目(61202439) 湖南省教育厅优秀青年基金资助项目(12B003) 湖南省交通运输厅科技计划基金资助项目(201334)
【分类号】：TP391.41
【正文快照】： 如何准确识别出人脸仍是一件困难的事情[1]。1概述人脸识别,即对于给定的人脸图像,利用已经存人脸识别是现代生物信息识别中的一项重要技储的人脸数据库确认该图像中人脸的身份。一般包术,一直以来也是机器视觉与模式识别领域中的研含2个关键步骤[2]:特征提取与分类识别。特征

【相似文献】

中国期刊全文数据库 前10条

1 王李冬;;一种新的人脸识别算法[J];计算机技术与发展;2009年05期

2 桂荣;沈荣鑫;詹泳;;基于模糊神经推理的人脸识别算法研究[J];华南师范大学学报(自然科学版);2012年04期

3 苏士美;王燕;王明霞;;基于加权小波分解的人脸识别算法研究[J];郑州大学学报(工学版);2014年01期

4 魏冬梅;周卫东;;采用压缩感知的人脸识别算法[J];计算机工程;2011年18期

5 陈皓;霍星;;视频监控中人脸识别算法稳定性的改进[J];工程图学学报;2011年06期

6 李美瑾;;人脸识别算法综述与远程考试系统应用研究[J];广西广播电视大学学报;2012年01期

7 盛朝强;王君;;煤矿井下人员签到系统人脸识别算法研究[J];计算机技术与发展;2012年07期

8 朱学毅;王崇骏;周新民;张W，

本文编号：772178