基于稀疏编码和机器学习的多姿态人脸识别算法

• Published in: 吉林大学学报（理学版） Vol. 56; no. 2; pp. 340 - 346
• Main Authors: 赵玉兰, 苑全德, 孟祥萍
• Format: Journal Article
• Language: Chinese
• Published: 吉林农业科技学院 网络工程系,吉林 吉林,132101%哈尔滨工业大学 计算机科学与技术学院,哈尔滨,150001%长春工程学院 电气与信息工程学院,长春,130012 2018
• Subjects: 支持向量机; 主成分分析; recognition algorithm; support vector machine; 稀疏编码; multi-pose face; sparse coding; 识别算法; principal component analysis; 多姿态人脸
• ISSN: 1671-5489
• DOI: 10.13413/j.cnki.jdxblxb.2018.02.26

TP39; 为改善多姿态人脸识别效果,设计一种稀疏编码和机器学习相融合的多姿态人脸识别算法.首先对多姿态人脸进行采集和预处理,并提取基于稀疏编码的人脸图像特征;然后采用主成分分析对特征进行处理,降低多姿态人脸识别的特征维数,提高多姿态人脸识别效率;最后采用机器学习算法中的支持向量机建立多姿态人脸识别分类器,并采用标准人脸数据库和多姿态人脸数据库对算法性能进行验证.验证结果表明,该算法可有效提高多姿态人脸识别正确率,大幅度减少多姿态人脸的平均识别时间,取得了比对比算法更优的识别结果,从而验证了该算法的优越性.