-
题名基于深度学习特征的稀疏表示的人脸识别方法
被引量:30
- 1
-
-
作者
马晓
张番栋
封举富
-
机构
北京大学信息科学技术学院
北京大学机器感知与智能教育部重点实验室
-
出处
《智能系统学报》
CSCD
北大核心
2016年第3期279-286,共8页
-
基金
国家自然科学基金项目(61333015)
国家重点基础研究发展计划(2011CB302400)
-
文摘
本文针对传统的基于稀疏表示的人脸识别方法在小样本情况下对类内变化鲁棒性不强的问题,从特征的层面入手,提出了基于深度学习特征的稀疏表示的人脸识别方法。本方法首先利用深度卷积神经网络提取对类内变化不敏感的人脸特征,然后通过稀疏表示对所得人脸特征进行表达分类。本文通过实验,说明了深度学习得到的特征也具有一定的子空间特性,符合基于稀疏表示的人脸识别方法对于子空间的假设条件。实验证明,基于深度学习特征的稀疏表示的人脸识别方法具有较好的识别准确度,对类内变化具有很好的鲁棒性,特别在小样本问题中具有尤为突出的优势。
-
关键词
机器学习
生物特征识别
深度学习
特征学习
子空间
小样本
稀疏表示
人脸识别
-
Keywords
machine learning
biometric recognition
deep learning
feature learning
subspace
under-sampled recognition
sparse representation
face recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名指节纹识别综述
被引量:8
- 2
-
-
作者
陆劲挺
贾伟
叶慧
赵洋
闵海
余烨
胡戎翔
-
机构
合肥工业大学工业与装备技术研究院
合肥工业大学计算机与信息学院
中国科学院合肥物质科学研究院核能安全技术研究所
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2017年第7期622-636,共15页
-
基金
国家自然科学基金项目(No.61673157
61402018
+3 种基金
61305006
61305093
61370167
61175022)资助~~
-
文摘
相比其它生物特征,指节纹具有特征丰富,采集设备价格低,易于结合手形、手指静脉及掌纹组成性能鲁棒的多模态识别系统等优点.文中首先介绍指节纹的定义、数据采集、预处理方法等,之后详细介绍各种指节纹识别算法及多模态识别方案.根据特征提取及匹配方法的不同,将指节纹识别算法分为6类:基于结构的算法、基于子空间学习的算法、基于编码的算法、基于纹理特征的算法、基于相关滤波器的算法和基于局部特征描述子的算法.回顾和总结各种算法的特点,展望未来指节纹识别的发展方向.
-
关键词
生物特征识别
指节纹识别
特征表示
-
Keywords
biometrics, finger-knuckle-print recognition, feature representation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于非高斯二维Gabor滤波器的生物特征提取算法
被引量:7
- 3
-
-
作者
陈熙
张戈
-
机构
昆明理工大学信息工程与自动化学院
湖南城市学院通信与电子工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第18期170-175,共6页
-
基金
国家自然科学基金(No.61262040)
云南省应用基础研究计划项目(No.KKSY201202062
No.KKS0201503018)
-
文摘
Gabor滤波器是一种非常有效的图像纹理特征提取算子。Gabor滤波器可以看作是高斯核函数在频域由复正弦函数调制而成,其频谱仍是高斯函数。采用Gabor滤波器对图像进行滤波处理时,图像所包含的位于高斯函数的频带范围之外的非高斯频谱上的重要信息并不能被Gabor滤波器所提取。提出另外一种二维非高斯Gabor滤波器用于生物特征提取。在所提二维非高斯Gabor滤波器中引入了一个新的参数。这个新参数可以控制二维非高斯Gabor滤波器包络的形状。为了证明所提出的非高斯Gabor滤波器的优越性,在人脸和掌纹数据库中做了大量的实验。实验结果表明,提出的二维非高斯Gabor滤波器的性能相比于传统二维Gabor滤波器有较大的提高。
-
关键词
图像纹理特征
二维非高斯Gabor滤波器
生物图像表示
人脸和掌纹识别
-
Keywords
image texture feature
non-Gaussian Gabor filter
biometric image representation
face and palmprint recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名远距离复杂背景鲁棒的步态特征提取与表示方法
- 4
-
-
作者
聂栋栋
马勤勇
-
机构
燕山大学理学院
燕山大学信息科学与工程学院
-
出处
《信号处理》
CSCD
北大核心
2014年第4期431-435,共5页
-
基金
河北省自然科学基金(A2011203053)
秦皇岛市科学技术研究与发展计划(2012021A044)
-
文摘
远距离复杂背景下步态图像通常受到噪声的影响很大。Gabor特征在此类步态识别中显示了良好的特性,然而一些基于Gabor特征的算法使用较多的模板从而导致计算量增大。为解决这个问题,本文提出了一种新的基于改进Gabor特征的步态特征提取与表示方法。首先突出步态能量图中的有效区域,并抑制易受噪声干扰的区域。然后构造一个同时具有两个方向互补特性的基本的滤波器,经过缩放和旋转,生成一系列滤波器。使用这些滤波器对改进的步态能量图以及步态差异图像进行卷积,得到两个特征向量集合以表示此步态对象。使用最近邻分类计算出本文方法在USF步态数据库上的识别率,与相关算法的比较证实了此步态特征提取与表示方法的有效性。对算法的计算量分析表明,本文算法所需的计算量比相关算法有较大降低。
-
关键词
生物特征
步态表示
步态识别
GABOR特征
步态分类
-
Keywords
biometrics
gait representation
gait recognition
Gabor features
gait classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-