【摘 要】
：
现有高阶特征的人脸识别由于对噪声敏感导致鲁棒性差以及特征冗长,为此提出一种基于"梯度脸"的局部高阶主方向模式的人脸识别方法.首先设计梯度脸卷积算子,计算像素的多方向梯度分量和,以构造梯度脸;然后在梯度脸上引入主方向分组策略表征其高阶导数特征,以局部邻域高阶导数方向变化的特征码形成主方向特征图;最后分块统计其直方图特征并级联,并利用多分类支持向量机完成分类识别.在多个公开人脸库中的实验结果表明,该方
【基金项目】
：
国家自然科学基金(60802047,60702018).
论文部分内容阅读
现有高阶特征的人脸识别由于对噪声敏感导致鲁棒性差以及特征冗长,为此提出一种基于"梯度脸"的局部高阶主方向模式的人脸识别方法.首先设计梯度脸卷积算子,计算像素的多方向梯度分量和,以构造梯度脸;然后在梯度脸上引入主方向分组策略表征其高阶导数特征,以局部邻域高阶导数方向变化的特征码形成主方向特征图;最后分块统计其直方图特征并级联,并利用多分类支持向量机完成分类识别.在多个公开人脸库中的实验结果表明,该方法对光照、表情和面部遮挡等变化因素具有良好的鲁棒性,以及更高的识别效率.
其他文献
协同过滤作为广泛应用的推荐方法,主要根据过去的交易和相似客户的反馈向当前客户推荐内容。但是,由于数据集稀疏性问题,很难区分客户之间的相似兴趣,这限制了协同过滤的可用性。针对数据集稀疏性问题,结合关联检索的相关知识,参考协同过滤算法,实现了一种改进的协同过滤算法来缓解稀疏性问题并提高推荐的质量。最后对提出的新算法进行测试,简述了改进方法的优点和不足。
针对二维水下环境下的多水下机器人(Autonomous Underwater Vehicle, AUV)协作围捕问题,提出一种基于改进生物启发神经网络和位置分配的围捕策略。首先对二维水下环境进行栅格地图的构建;然后多个围捕AUV之间相互合作,提出利用"位置分配"策略合理分配逃逸目标AUV周围的围捕占位点给围捕AUV;最后利用改进的Glasius生物启发神经网络算法来完成围捕AUV到达围捕点的路径规
针对遥感图像中目标朝向任意性的问题,提出一种级联结构的目标检测算法.在基准模型的基础上,采用2种不同的边界框标注模式将多个感兴趣区域网络交错串联,基于当前阶段的倾斜框预测结果回归下一阶段的水平框和倾斜框,形成多阶段级联式的学习过程.该算法结合水平框和倾斜框的各自优势,实现更鲁棒的目标边界框预测.DOTA数据集上的大量实验结果表明,该算法在2个边界框任务上的边界框预测精度明显优于现有的遥感图像目标检
针对传统A*算法在移动机器人路径规划中,存在的搜索效率低、路径优化等问题,提出了一种改进的双向A*路径规划算法。改进后的算法采用双向A*寻路搜索,吸取人工势场法引力思想,设定双向搜索中心虚拟目标点,建立从搜索起点到双向搜索的中点的距离衰减函数,吸引双向搜索能在中间区域相遇。并对预估函数加入适当的权值函数,在保障了较优路径前提下加快了算法的收敛速度。考虑机器人实际尺寸问题,进行避障策略设定,在障碍物
传统软件运行风险控制方法忽略了对软件属性实现排序和权重排查,导致无法获取软件运行的潜在风险。为解决上述问题,提出基于属性排查的软件运行风险多目标控制方法。将软件可信度作为软件质量评估标准,计算软件属性之间的直接影响数值,完成软件属性排查。以风险损失预期值最小与风险控制成本最小为目标,组建软件运行风险多目标控制模型,利用Choquet积分计算风险目标相关性水平。构建多目标粒子群算法,求解软件运行风险
基于领域自适应技术的人群计数方法不依赖标注样本,是一种重要的无监督学习策略,但是现有方法易造成头部区域信息丢失和背景区域过度估计.针对以上问题,提出了一种面向跨域人群计数的头部感知密度适应网络.该方法由头部感知风格迁移模块和密度适应模块组成.其中,风格迁移模块利用源域密度图生成头部掩膜和背景掩膜,并以此设计了基于头部感知的风格迁移损失函数,以防止风格迁移后头部区域与背景区域的混淆.同时,密度适应模
针对传统冷链物流大数据有效信息提取方法存在信息质量差、提取时间短的问题,提出了CART决策树的冷链物流大数据有效信息提取方法。根据冷链物流大数据有效信息的返回状态,引入偏度概念修正了冷链物流大数据的有效信息;采用滤波器剔除非关联离散的有效信息点,完成冷链物流大数据有效信息的预处理;基于冷链物流大数据中有效信息节点的数目计算,遍历每一个有效信息;通过挖掘的冷链物流大数据有效信息,分析了冷链物流大数据
针对传统Canny简单线性迭代聚类(simple linear iterative clustering, SLIC)算法中弱边缘的边界粘附性以及超像素形状规则的问题,提出了一种改进的基于梯度方向的Canny SLIC图像分割算法。传统的Canny SLIC算法中的边缘检测,使用的滞后阈值法在识别和连接边缘时,容易将梯度幅值小的边缘信息识别成噪声,从而和SLIC算法融合后会丢失目标的部分边缘,所以
目前深度学习模式下的图像超分辨率重建存在对纹理感知不够精确、重建图像不够真实等问题,为了改善重建图像质量,提出一种基于多感受野拉普拉斯生成对抗网络的单幅图像超分辨率算法.首先,利用多感受野特征提取、可分离拉普拉斯滤波和复合残差密集块构建生成网络,使网络提取更全面的图像信息;其次,利用多维软标签对抗网络,可使生成对抗网络更容易训练且重建图像纹理更加丰富;最后,网络预训练采用L1损失函数和VGG低层特
针对目前云计算实时任务调度方法资源利用率低、计算时间长等问题,提出基于资源延迟感知研究云计算实时任务调度方法。分析Map/Reduce编程模型运行机制工作原理,建立云计算实时任务资源调度模型,通过调度层、资源层、分析器和监控器来组成调度框架。根据到达时间、任务长度和截止时间分析主机调度能耗,建立能耗模型。根据建立的能耗模型计算主机活跃能耗与空闲能耗分析主机运行状态,设定调度方案,完成云计算实时任务