文献类型：期刊文章

作　　者：黄丽媛[1] 吴南寿[1] 王雪花[1] 曾亚光[1] 韩定安[1] 周月霞[2]

Huang Liyuan;Wu Nanshou;Wang Xuehua;Zeng Yaguang;Han Dingan;Zhou Yuexia(School of Physics and Optoelectronic Engineering;School of Electronic Information Engineering, Foshan University,Guangdong, Foshan, 528200, China)

机构地区：[1]佛山科学技术学院物理与光电工程学院 [2]佛山科学技术学院电子信息工程学院,广东佛山528200

出　　处：《仪器仪表用户》

基　　金：国家自然科学基金项目(61805038);2018年佛山科学技术学院研究生自由探索基金项目(2018LGZ01)

年　　份：2019

卷　　号：26

期　　号：2

起止页码：15-17

语　　种：中文

收录情况：普通刊

摘　　要：针对课堂考勤时人脸角度、表情变化和人脸部分遮挡导致人脸识别算法识别不准的问题,本文提出一种基于特征向量提取和SVM(SupportVectorMachine)分类器的人脸识别方法。其中,深度神经网络模型经过三元组损失函数(tripletloss)优化可以提取人脸图像在欧氏空间的特征向量,将特征向量输入SVM分类器进行训练,利用训练好的SVM分类器可进行人脸识别。在实际课堂考勤实验中,本文提出的人脸识别方法在人脸角度、表情变化和人脸部分遮挡的情况下人脸识别准确率能达到92.68%。

关 键 词：人脸识别 课堂考勤  特征向量 SVM

分 类 号：TP391.4]