基于因素分解模型的两步人脸识别
为了减轻人脸识别中表情以及姿态等因素变化对识别结果的影响,Xu提出了利用原始样本和对称样本的两步人脸识别算法.但当人脸图像受外在因素干扰产生较大变化时,该方法的识别结果并不理想.因此提出了一种基于因素分解模型的两步人脸识别算法.新算法在特征提取过程中利用因素分解模型将“身份因素”和“表情因素”从人脸图像中分离出来,加以控制.然后提取测试集图像中的新身份和新表情,并将其与训练集中的旧身份或旧表情相互作用,合成新的人脸图像.同时为了保证分类精度,在识别阶段针对原始样本和合成样本分别采用两步人脸识别的方法,充分利用了分数层次融合的优势,进一步提高了算法的识别效果.
人脸识别、表情因素、因素分解模型
44
TP391(计算技术、计算机技术)
2018-01-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
263-266