稀疏多级正则化结合SN的鲁棒人脸识别算法
作者:
李荣
王华君
徐燕华
孟德建
无锡太湖学院工学院
江苏无锡214064
关键词:
人脸识别
剪切波网络
稀疏表示
多任务稀疏学习
鲁棒性
不可控数据库
摘要：
针对人脸姿态、光照、人脸表情和周围环境发生变化时人脸识别精度不高的问题，提出一种基于稀疏多级正则化剪切波网络的鲁棒人脸识别算法。该算法创新点有二：第一，采用剪切波网络（SN）多尺度方向框架去提取人脸特征，其优势在于剪切波框架具有高度稀疏表示，有利于的提取图像中鲁棒的几何内容；第二，采用了一种完善的多任务稀疏学习，利用识别阶段中正则化参数改变多个共享任务间的关系。实验结果表明：在可控数据库上，提出算法的识别率达98．5％；在不可控数据库上，比其他算法中的最好结果高5％左右。
上一篇：利用带宽有效聚类的WSN数据聚合优化算法
下一篇：一种改进云计算虚拟资源负载均衡调度方案