关于我们
场景重建方法、装置、计算机设备以及计算机存储介质
成果领域:
推广方式:
成果归属企业: 深圳大学
成果鉴定时间:
成果介绍
本发明涉及一种基于矩阵的低秩稀疏人脸识别方法,包括:A、对任意人脸样本进行特征提取;B、针对特征提取后数据进行判别分类并给出人脸识别结果。用线性稀疏的投影矩阵从高维度的图像中提取出有鉴别力的特征,从而提高人脸识别的效率;直接对图像矩阵进行特征提取,大大加快了算法的计算速度;用最近较为流行的L*范数替代传统的子空间学习方法中的L1范数或L2范数作为矩阵距离度量,增强算法的鲁棒性;通过加入L2, 1范数正则项,算法能对迭代求解过程中有鉴别力的投影进行选择,从而达到联合稀疏的效果,这不仅使得投影结果具有更高的可解释性,还可以进一步提升算法的鲁棒性;通过使用L*范数和加入联合稀疏性,该方法提高了人脸识别的性能以及稳定性。
成果应用案例介绍
计算控制>矩阵>矩阵; 计算控制>识别方法>低秩稀疏人脸识别方法
联系方式
电话/微信: 13822630888
0.173492s