-
公开(公告)号：CN110147782A
公开(公告)日：2019-08-20
申请号：CN201910459926.X
申请日：2019-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种基于投影字典对学习的人脸识别方法，包括：获取目标人脸图像；利用稀疏投影矩阵提取目标人脸图像中的目标特征；将目标特征输入识别分类器，输出目标人脸图像的识别结果；其中，稀疏投影矩阵和识别分类器利用基于L2，1-范式约束的矩阵分解和基于L2，1-范式约束的投影字典对学习训练而得，稀疏投影矩阵采用了核范式约束和L1-范式约束。其中，基于L2，1-范式约束的矩阵分解和基于L2，1-范式约束的投影字典对学习训练稀疏投影矩阵和识别分类器，能够使稀疏投影矩阵提取到显著的图像特征，并降低数据维度，从而提高人脸识别的效率和准确率。本发明公开的一种基于投影字典对学习的人脸识别装置、设备及可读存储介质，也同样具有上述技术效果。
-
公开(公告)号：CN110147782B
公开(公告)日：2023-06-13
申请号：CN201910459926.X
申请日：2019-05-29
Applicant: 苏州大学
IPC: G06V40/16 , G06V10/778
Abstract: 本发明公开了一种基于投影字典对学习的人脸识别方法，包括：获取目标人脸图像；利用稀疏投影矩阵提取目标人脸图像中的目标特征；将目标特征输入识别分类器，输出目标人脸图像的识别结果；其中，稀疏投影矩阵和识别分类器利用基于L2，1‑范式约束的矩阵分解和基于L2，1‑范式约束的投影字典对学习训练而得，稀疏投影矩阵采用了核范式约束和L1‑范式约束。其中，基于L2，1‑范式约束的矩阵分解和基于L2，1‑范式约束的投影字典对学习训练稀疏投影矩阵和识别分类器，能够使稀疏投影矩阵提取到显著的图像特征，并降低数据维度，从而提高人脸识别的效率和准确率。本发明公开的一种基于投影字典对学习的人脸识别装置、设备及可读存储介质，也同样具有上述技术效果。
-
公开(公告)号：CN107958229B
公开(公告)日：2021-12-24
申请号：CN201711395361.0
申请日：2017-12-21
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种基于近邻保持低秩表示的人脸识别方法、装置、设备及计算机存储介质。其中，方法包括将相似性自适应保持和低秩表示集成为统一学习框架，得到表示系数矩阵和用于提取特征、基于核范式和L2，1‑范式约束下的稀疏投影矩阵；利用稀疏投影矩阵分别提取训练样本集和测试样本集的相似性自适应保持的显著特征，生成嵌入显著特征的人脸特征训练样本集和人脸特征测试样本集；利用人脸特征训练样本集将表示系数矩阵和显著特征的重构误差最小化项进行集成优化；将人脸特征测试样本集输入人脸特征训练样本集构造的最近邻分类器，根据相似性进行识别，得到识别结果。本申请提供的技术方案提升了人脸图像特征提取和识别能力。
-
公开(公告)号：CN107958229A
公开(公告)日：2018-04-24
申请号：CN201711395361.0
申请日：2017-12-21
Applicant: 苏州大学
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/6276
Abstract: 本发明实施例公开了一种基于近邻保持低秩表示的人脸识别方法、装置、设备及计算机存储介质。其中，方法包括将相似性自适应保持和低秩表示集成为统一学习框架，得到表示系数矩阵和用于提取特征、基于核范式和L2，1-范式约束下的稀疏投影矩阵；利用稀疏投影矩阵分别提取训练样本集和测试样本集的相似性自适应保持的显著特征，生成嵌入显著特征的人脸特征训练样本集和人脸特征测试样本集；利用人脸特征训练样本集将表示系数矩阵和显著特征的重构误差最小化项进行集成优化；将人脸特征测试样本集输入人脸特征训练样本集构造的最近邻分类器，根据相似性进行识别，得到识别结果。本申请提供的技术方案提升了人脸图像特征提取和识别能力。
-
-
-
Search Results
4
records
(took 0.019 seconds)
