一种基于QPSO优化的流形学习的视频人脸识别算法
视频场景复杂多变,视频采集设备不一致等原因,导致无约束视频中充斥着大量的遮挡和人脸旋转,视频人脸识别方法的准确率不高且性能不稳定.为解决上述问题,本文提出了一种基于QPSO优化的流形学习的视频人脸识别算法.该算法将视频人脸识别视为图像集相似度度量问题,首先帧图像对齐后提取纹理特征并进行融合,再利用带有QPSO优化的黎曼流形大幅度简约维度以获得视频人脸的内在表示,相似度则由凸包距离表示,最后利用SVM分类器获得分类结果.通过在Youtube Face数据库和Honda/UCSD数据库上与当前主流算法进行的对比实验,验证了本文算法的有效性,所提算法识别精度较高,误差较低,并且对光照和表情变化具有较强的鲁棒性.
视频人脸识别、量子微粒群优化、黎曼流形学习、视频相似度
46
国家青年科学基金61101155;吉林省优秀青年人才基金项目20180520020JH;吉林省科技计划重点科技研发项目20180201064SF;国家重点科技研发计划项目2018YFC0830103
2020-04-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
256-263