多姿态人脸识别：加权均值人脸的创新策略

本文探讨了一种创新的人脸识别方法——基于加权均值人脸的多姿态人脸识别。该研究由邹国锋、傅桂霞、申晋、高明亮和王科俊等人合作完成，他们在山东理工大学电气与电子工程学院以及哈尔滨工程大学自动化学院分别展开工作，得到了山东省自然科研基金、国家自然科学基金和中国博士后科学基金的联合支持。 论文的挑战焦点在于解决姿态变化下的人脸识别难题。作者首先提出了一个新颖的权值计算策略，通过分析人脸在左右摇摆角度上的变化，为每张姿态变化的脸谱赋予不同的权重。这种加权机制使得算法能够更有效地整合不同姿态下的关键信息。接着，他们根据人脸的俯仰角度，将人脸分为俯视、平视和仰视三个层次，针对每个层次构建特定的加权均值人脸，从而形成一个加权均值人脸矩阵。 进一步，作者采用了改进的局部保持投影（Local Linear Embedding, LLE）算法对加权均值人脸矩阵进行深层特征提取，这是一种有效的降维技术，有助于提高识别的精度和鲁棒性。这种方法旨在捕捉人脸在姿态变化中的不变特征，减少因姿态变化带来的识别误差。 实验结果显示，这种基于加权均值人脸的方法成功地提高了多姿态人脸识别的性能，能够有效提取姿态变化人脸的关键特征，显著提升了识别的准确性和稳定性。论文的研究成果对于人脸识别技术在实际应用中，如安全监控、身份验证等领域具有重要意义。 参与研究的作者们涵盖了人脸识别、生物特征识别、智能监控、智能机器人、智能测量与信息处理技术、运动目标检测与跟踪、模式识别、视频监控、神经网络和生物信息学等多个领域的专业知识，他们的合作为该领域的研究带来了丰富的理论基础和实践经验。 论文的中图分类号为TP391.41，意味着它被归类于计算机科学技术，特别是人工智能和图像处理领域。感兴趣的读者可以通过链接http://www.arocmag.com/article/02-2018-11-053.html查阅原文，发表日期为2017年11月10日，引用时应参考指定的格式。