K邻域分块自动加权的单样本人脸识别算法

摘要：

在人脸识别问题中,当每类训练样本有且仅有一个时,由于类内缺乏足够的特征变化信息来预测人脸复杂的特征变化,从而导致常用分类算法的识别准确率急剧下降.目前最好的解决方法大致可分为两类:一是生成虚拟的训练样本以扩大训练集;二是学习稀疏变化字典以表示复杂特征变化.针对此问题,在引入稀疏变化字典来表示人脸复杂特征变化的基础上,提出一种基于K邻域分块自动加权的单样本识别算法.通过对测试样本进行分块,然后对每一个子分块求K邻域分块,以组成虚拟的同类别测试样本集;同时提出了一种自动加权策略,对这些分块在分类中的比重进行加权,最后通过一种改进的投票机制确定分类结果.通过与已有的单样本识别算法进行比较,并在公共人脸数据库AR、CMU Multi-PIE和ORL上进行实验,结果表明该方法有助于提高单样本识别问题的分类准确率.

关键词：单训练样本、人脸识别、稀疏变化字典、K邻域分块、自动加权、投票机制

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61262006, 61540050;the Major Applied Basic Research Program of Guizhou Province under Grant No. JZ20142001;the Science and Tech-nology Foundation of Guizhou Province under Grant No. LH20147636

在线出版日期：2017-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1505-1512