文献类型：期刊文章

作　　者：王念兵[1] 吴秦[1] 许洁[1] 张淮[1]

机构地区：[1]江南大学物联网工程学院物联网技术应用教育部工程研究中心智能系统与网络计算研究所,江苏无锡214122

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61202312);中央高校基本科研业务费(No.JUSRP51510)

年　　份：2018

卷　　号：54

期　　号：1

起止页码：204-209

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对单样本问题,基于相同类别的人脸变化信息应有相似的稀疏编码这一事实,提出结构化稀疏变化字典学习方法,以得到较好的共享类内变化字典。同时鉴于同一人脸的所有区域应有相同的类标签,通过训练样本与变化字典按坐标分块联合表示查询人脸区域,然后给稀疏系数引入导致结构化稀疏效果的约束条件,实现对应类别字典的自动选择,从而更好地表示查询人脸。提出的人脸表示方法可以在局部识别方法的优势上整合全局信息,使得在AR、Extended Yale B、CMU-PIE人脸库上的表现超过其他单样本识别相关的方法,取得了较好的识别效果。

关 键 词：单样本 结构化稀疏  类内变化字典  联合表示  

分 类 号：TP391.41]