针对如何实现只有单训练样本情况下人脸认证,提出基于稀疏扩展字典学习的代价敏感单样本人脸认证方法。首先学习一种可将训练样本和一般训练集结合起来的投影方式来构造适合训练样本的稀疏扩展字典,而并非独立地利用一般训练集直接构造...针对如何实现只有单训练样本情况下人脸认证,提出基于稀疏扩展字典学习的代价敏感单样本人脸认证方法。首先学习一种可将训练样本和一般训练集结合起来的投影方式来构造适合训练样本的稀疏扩展字典,而并非独立地利用一般训练集直接构造扩展字典,从而更好地解决单训练样本不能涵盖测试条件变化的问题;其次通过稀疏表示分类得到与测试样本最相似的训练样本,然后对测试样本和该训练样本分别提取HOG特征,根据距离准则计算相似度判断是否在阈值范围内;最终实现在光照、表情变化情况下的单训练样本人脸鲁棒认证。该方法分别在AR、CMU-PIE和Extended Yale B 3个公共人脸数据库上进行实验,均取得较满意的结果,验证了该方法的可行性和有效性。展开更多
针对样本集距离分类算法忽略样本集内部变化的不足,利用图像多重描述提供的互补信息,提出图像集闭包建模的协同表示人脸识别算法。首先,扩展具有多重描述能力的图像集,图像的中等强度像素携带鉴别信息,故利用原始图像生成中等像素图像,...针对样本集距离分类算法忽略样本集内部变化的不足,利用图像多重描述提供的互补信息,提出图像集闭包建模的协同表示人脸识别算法。首先,扩展具有多重描述能力的图像集,图像的中等强度像素携带鉴别信息,故利用原始图像生成中等像素图像,镜像图像可增添图像细节信息,故利用原始图像产生镜像图像,将此两种源域图像与原始图像联合构成扩展的图像集。然后,以无参建模构建扩展的图像集为字典闭包,同类异源域的测试图像构成图像集且构建为测试闭包,借鉴协同表示思想利用字典学习迭代求解闭包系数。最后,采用残差判别函数进行模式分类。本文方法不仅构建具有多重描述能力的图像集,而且充分利用样本集内部关联性从而获得较好的分类结果。本文分别在ORL、GT(Georgia Tech Face Database)、CMU PIE、FERET人脸数据库上进行实验。展开更多
文摘针对如何实现只有单训练样本情况下人脸认证,提出基于稀疏扩展字典学习的代价敏感单样本人脸认证方法。首先学习一种可将训练样本和一般训练集结合起来的投影方式来构造适合训练样本的稀疏扩展字典,而并非独立地利用一般训练集直接构造扩展字典,从而更好地解决单训练样本不能涵盖测试条件变化的问题;其次通过稀疏表示分类得到与测试样本最相似的训练样本,然后对测试样本和该训练样本分别提取HOG特征,根据距离准则计算相似度判断是否在阈值范围内;最终实现在光照、表情变化情况下的单训练样本人脸鲁棒认证。该方法分别在AR、CMU-PIE和Extended Yale B 3个公共人脸数据库上进行实验,均取得较满意的结果,验证了该方法的可行性和有效性。
文摘针对样本集距离分类算法忽略样本集内部变化的不足,利用图像多重描述提供的互补信息,提出图像集闭包建模的协同表示人脸识别算法。首先,扩展具有多重描述能力的图像集,图像的中等强度像素携带鉴别信息,故利用原始图像生成中等像素图像,镜像图像可增添图像细节信息,故利用原始图像产生镜像图像,将此两种源域图像与原始图像联合构成扩展的图像集。然后,以无参建模构建扩展的图像集为字典闭包,同类异源域的测试图像构成图像集且构建为测试闭包,借鉴协同表示思想利用字典学习迭代求解闭包系数。最后,采用残差判别函数进行模式分类。本文方法不仅构建具有多重描述能力的图像集,而且充分利用样本集内部关联性从而获得较好的分类结果。本文分别在ORL、GT(Georgia Tech Face Database)、CMU PIE、FERET人脸数据库上进行实验。
