没有合适的资源?快使用搜索试试~ 我知道了~
首页非控场景下主成分稀疏表示与低秩分解人脸识别提升算法
非控场景下主成分稀疏表示与低秩分解人脸识别提升算法
需积分: 5 0 下载量 19 浏览量
更新于2024-09-02
收藏 1.8MB PDF 举报
本文主要探讨了"非控场景下主成分稀疏表示与低秩分解的人脸识别"这一主题,针对现实生活中非受控环境(如光照变化、遮挡等情况)下人脸识别率较低的问题,提出了一种创新的算法。首先,作者从核心基础信息平台收集数据,构建了一个基础人脸库,这个库是人脸识别算法的基础支撑。然后,采集课堂照片时,采用了主成分稀疏表示(sparse representation)技术,这是一种数据分析方法,通过寻找数据中最关键的特征并将其压缩表示,以提高算法的效率和准确性。 主成分稀疏表示有助于减少冗余信息,使得图像在保持关键特征的同时降低复杂度。接着,利用低秩分解(low-rank matrix decomposition)进一步处理这些采样照片。低秩分解将图像矩阵分解为两个低秩因子,有助于提取潜在的结构信息,增强对光照变化的鲁棒性。 经过这样的处理后,将样本照片与基础人脸库进行匹配识别。实验结果显示,在非受控环境中,结合主成分稀疏表示和低秩分解的算法表现出良好的鲁棒性,对光照变化的适应性强,但在应对遮挡问题时,识别效果稍受影响。尽管如此,整体上识别正确率高达92.4%,表明该算法在非受控场景下具有显著的优势。 该研究成果对于开放型非受控环境下的人脸识别,如表情识别和行为识别等领域具有积极的推动作用。通过这种方式,即使在复杂的光照和遮挡条件下,也能实现较高的识别准确率,提高了人脸识别技术在实际应用中的实用性。因此,这种融合了稀疏表示和低秩分解的算法对于提升非受控环境下的生物识别技术具有重要的理论价值和实际意义。
资源详情
资源推荐
第 34 卷 第 8 期
2019 年 8 月
液晶与显示
Chinese Journal of Liquid Crystals and Displays
Vol .34 No .8
Agu .2019
收稿日期 :2019-03-01
;
修订日期 :2019-05-22 .
基金项目 :国家自然科学基金 (No .61603193) ;江苏省高校自然科学研究项目 (No .18KJB520027) ;赛尔网络下一代
互联网技术创新项目(No .NGII20170524) ;中国高等教育学会教育信息化专题项目(No .2016XXYB02)
Supported by National Natural Science Foundation of China (No .61603193 ) ; Natural Science Research
Project of Colleges and Universities in Jiangsu Province (No .18KJB520027) ;CERNET Innovation Project
(No .NGII20170524 ) ; Educational Informatization Project of China higher Education Institute (No .
2016XXYB02)
* 通信联系人 ,E-mail :njnuchenbin@ njnu .edu .cn
文章编号 :1007-2780(2019)08-0816-09
非 控 场 景 下 主 成 分 稀 疏 表 示 与
低 秩 分 解 的 人 脸 识 别
陈 斌
*
,东一舟 ,朱晋宁
(南京师范大学 信息化建设管理处 ,江苏 南京 210046)
摘要 :针对非受控场景下人脸识别率低的问题 ,提出一种非控场景下基于主成分稀疏表示与低秩分解的人脸识别算法 。
首先通过核心基础信息平台收集的数据自构建基础人脸库 ,然后采集课堂照片并对采样照片通过主成分稀疏表示和低
秩分解算法进行分割 ,最后以基础人脸库为样本进行匹配识别 ,并将未进行低秩分解的情况与低秩分解后的结果进行比
较 。 实验结果表明 ,在非受控场景下通过主成分稀疏表示叠加低秩分解的识别效果对光照变化影响的鲁棒性较强 ,对遮
挡情况受到的影响相对明显 ,总体识别正确率最高达到 92 .4% ,达到较好非控场景下人脸识别效果 。 该算法对开放型非
受控场景下的人脸识别及由此衍生出的表情识别 、行为识别等研究都有积极助益 。
关 键 词 :非控场景 ;主成分 ;稀疏表示 ;低秩分解 ;人脸识别
中图分类号 :TP39 ;T H691 .9 文献标识码 :A doi :10 .3788/YJYXS20193408 .0816
Face recognition based on sparse representation of principal
components and low rank decomposition in uncontrolled scenes
CHEN Bin
*
,DONG Yi-zhou ,ZHU Jin-ning
(In
f
ormatiz ation O
ff
ice N an
j
ing Nor m al Universit
y
, N an
j
ing 210046 ,China)
Abstract :In order to solve the problem of low face recognition rate in uncontrolled scenes ,a face rec-
ognition algorithm based on sparse principal component representation and low rank decomposition in
uncontrolled scenes is proposed .Firstly ,the basic face database is constructed by the data collected by
the core basic information platform ,and then the classroom photos are collected and the sampled pho-
tos are segmented by principal component sparse representation and low rank decomposition
algorithm .Finally ,the basic face database is used as a sample for matching recognition ,and the re-
sults without low rank decomposition are compared with those after low rank decomposition .The ex-
p
erimental results show that the recognition effect of superimposed low rank decomposition by sparse
representation of principal components in uncontrolled scene is robust to the change of light ,and the
influence on occlusion is relatively obvious .The highest recognition accuracy is 92 .4% ,which achieves
万方数据
下载后可阅读完整内容,剩余8页未读,立即下载
anitachiu_2
- 粉丝: 31
- 资源: 801
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- C++多态实现机制详解:虚函数与早期绑定
- Java多线程与异常处理详解
- 校园导游系统:无向图实现最短路径探索
- SQL2005彻底删除指南:避免重装失败
- GTD时间管理法:提升效率与组织生活的关键
- Python进制转换全攻略:从10进制到16进制
- 商丘物流业区位优势探究:发展战略与机遇
- C语言实训:简单计算器程序设计
- Oracle SQL命令大全:用户管理、权限操作与查询
- Struts2配置详解与示例
- C#编程规范与最佳实践
- C语言面试常见问题解析
- 超声波测距技术详解:电路与程序设计
- 反激开关电源设计:UC3844与TL431优化稳压
- Cisco路由器配置全攻略
- SQLServer 2005 CTE递归教程:创建员工层级结构
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功