类矩阵神经核特征融合的人脸识别方法

摘要：

针对人脸识别过程中所提取特征向量的信息不完整性与整体图像信息数据量较大的问题,提出一种类矩阵神经核特征融合的人脸识别方法.该方法为深度神经网络的首层升维操作,首先将人脸数据作为特征向量的集合,利用随机矩阵列采样构成随机特征矩阵;其次设计深度神经核将随机特征矩阵映射为高维空间中的新特征向量;最后利用快速收缩算法求解匹配过程中的不定线性代数方程组,使收敛速度达到二阶收敛.该方法既克服了直接使用人脸图像数据空间复杂度较大的问题,又增加了特征的非线性结构,提高了特征向量的表达能力.实验结果表明,该方法识别率高、稳定性强、鲁棒性好,适合处理大型数据.

关键词：特征融合、深度核、快速收缩迭代、稀疏表达

所属期刊栏目：54

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61602216,61702236;常州科技支撑项目cj20179027

在线出版日期：2019-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：116-122