10.3778/j.issn.1002-8331.1803-0012
改进KNN算法对人体身份的识别
为了理解特征学习过程、减少数据存储和提高识别率,提出使用Kinect v2的面部数据和骨骼数据作为数据集和一种改进KNN算法对人体身份的识别.使用Kinect v2提取出人体脸部特征点和骨骼关节点的三维位置信息,通过提取出的特征点的坐标计算出理解性强的特征信息如眼宽、臂长等.利用一种改进的截断均值聚类方法,通过排序把奇异值分布到数据集两端,截取数据集中间特征以抑制奇异值,利用基于匹配识别准确度的改进KNN算法对人体身份进行预测.实验结果表明提出的聚类方法匹配识别准确度更高,改进的分类方法也提高了识别的准确率.
人体身份识别、脸部数据、骨骼数据、排序截断均值法、匹配识别准确度
55
TP391.41(计算技术、计算机技术)
2019-06-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
142-146,243