-
公开(公告)号：CN103778416B
公开(公告)日：2016-10-05
申请号：CN201410036022.3
申请日：2014-01-24
Applicant: 东南大学
Abstract: 本发明公开了一种自适应逼近人脸图像产生方法，包括如下步骤：（1）初始化单样本图像训练集，将获得的彩色人脸图像转换为灰度人脸图像。（2）对灰度人脸图像进行三角分解，获得灰度人脸图像的向量表示形式。（3）通过选择一定数量的基图像，产生灰度人脸图像的逼近图像。（4）由所有的灰度人脸图像及其逼近图像组成新的训练集。本发明充分考虑了灰度人脸图像的个体信息，通过灰度人脸图像的三角分解，产生灰度人脸图像的逼近图像，最大限度的提高了可用于训练的灰度人脸图像的数量，从而更加有效地提高单样本人脸识别系统的性能。
-
公开(公告)号：CN103778416A
公开(公告)日：2014-05-07
申请号：CN201410036022.3
申请日：2014-01-24
Applicant: 东南大学
Abstract: 本发明公开了一种自适应逼近人脸图像产生方法，包括如下步骤：（1）初始化单样本图像训练集，将获得的彩色人脸图像转换为灰度人脸图像。（2）对灰度人脸图像进行三角分解，获得灰度人脸图像的向量表示形式。（3）通过选择一定数量的基图像，产生灰度人脸图像的逼近图像。（4）由所有的灰度人脸图像及其逼近图像组成新的训练集。本发明充分考虑了灰度人脸图像的个体信息，通过灰度人脸图像的三角分解，产生灰度人脸图像的逼近图像，最大限度的提高了可用于训练的灰度人脸图像的数量，从而更加有效地提高单样本人脸识别系统的性能。
-
公开(公告)号：CN103761513B
公开(公告)日：2018-04-06
申请号：CN201410036228.6
申请日：2014-01-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于混合向量投影的人脸识别方法，包括如下步骤：（1）初始化人脸图像训练集，将获得的彩色人脸图像转换为灰度人脸图像。（2）将灰度人脸图像矩阵转化为图像向量，并将图像向量转化为单位向量。（3）所述的单位向量组成单位向量训练集，计算训练集中属于每一个人的所有单位向量的均值向量，将每个类均值向量化为单位向量。（4）计算测试图像向量在训练集中每个单位向量及其类均值单位向量上的混合投影长度，通过求取最大混合投影长度对应的训练图像向量，对测试图像分类。本发明充分考虑了相同人脸图像的相似性，最大限度的提高了人脸识别系统分类的准确性。
-
公开(公告)号：CN103761513A
公开(公告)日：2014-04-30
申请号：CN201410036228.6
申请日：2014-01-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于混合向量投影的人脸识别方法，包括如下步骤：（1）初始化人脸图像训练集，将获得的彩色人脸图像转换为灰度人脸图像。（2）将灰度人脸图像矩阵转化为图像向量，并将图像向量转化为单位向量。（3）所述的单位向量组成单位向量训练集，计算训练集中属于每一个人的所有单位向量的均值向量，将每个类均值向量化为单位向量。（4）计算测试图像向量在训练集中每个单位向量及其类均值单位向量上的混合投影长度，通过求取最大混合投影长度对应的训练图像向量，对测试图像分类。本发明充分考虑了相同人脸图像的相似性，最大限度的提高了人脸识别系统分类的准确性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
