基于S-LISSOM模型的人脸识别方法

doi:10.3724/SP.J.1087.2005.1102

计算机应用 ›› 2005, Vol. 25 ›› Issue (05): 1102-1104.DOI: 10.3724/SP.J.1087.2005.1102

基于S-LISSOM模型的人脸识别方法

杨治¹，王涛²

1.清华大学软件学院； 2.英特尔集团中国研究中心

出版日期:2005-05-01 发布日期:2005-05-25
基金资助:
国家 863计划资助项目( 2003AA414031)

S-LISSOM based approach for face recognition

YANG Zhi¹, WANG Tao²

1. School of Software, Tsinghua University, Beijing 100084, China; 2. Intel China Research Center, Beijing 100020, China

Online:2005-05-01 Published:2005-05-25

摘要/Abstract

摘要： 提出了一种利用视皮层认知模型识别人脸的方法。该方法建立一种简化的感受野切片连接自组织映射简化模型(S LISSOM),模拟人脸图像在大脑视皮层的映射特征,作为隐马尔可夫模型(HMM)的观测向量进行人脸识别。实验结果同其他特征的人脸识别方法进行了比较,该方法更加有效的提取的人脸特征,提高了人脸识别率。

关键词: S-LISSOM, 隐马尔可夫模型, 人脸识别

Abstract: A new approach to face recognition was proposed,based on Simplified Laterally Interconnected Synergetically Self-Organizing Map(S-LISSOM) Model and a EHMM. The approach extracted face character mapped from the gray image by using the S-LISSOM Model to form the Observing Vectors. Then the faces were classified by Hidden Markov Models. The experiment results were compared with other two HMM based methods. The results show that the method proposed has a lower face recognition error rate.

Key words: S-LISSOM, HMM, face recognition

中图分类号:

TP391.41

杨治，王涛. 基于S-LISSOM模型的人脸识别方法[J]. 计算机应用, 2005, 25(05): 1102-1104.

YANG Zhi, WANG Tao. S-LISSOM based approach for face recognition[J]. Journal of Computer Applications, 2005, 25(05): 1102-1104.

[1]	高工, 杨红雨, 刘洪. 基于深度学习的三维点云人脸识别[J]. 计算机应用, 2021, 41(9): 2736-2740.
[2]	李虹霞, 秦品乐, 闫寒梅, 曾建潮, 鲍骞月, 柴锐. 基于面部特征图对称的人脸正面化生成对抗网络算法[J]. 计算机应用, 2021, 41(3): 714-720.
[3]	方书雅, 刘守印. 基于学生人体检测的无感知课堂考勤方法[J]. 计算机应用, 2020, 40(9): 2519-2524.
[4]	赵青, 余元辉. 基于分层特征化网络的三维人脸识别[J]. 计算机应用, 2020, 40(9): 2514-2518.
[5]	霍纬纲, 王慧芳. 基于自编码器和隐马尔可夫模型的时间序列异常检测方法[J]. 计算机应用, 2020, 40(5): 1329-1334.
[6]	李东博, 黄铝文. 重加权稀疏主成分分析算法及其在人脸识别中的应用[J]. 计算机应用, 2020, 40(3): 717-722.
[7]	龚锐, 丁胜, 章超华, 苏浩. 基于深度学习的轻量级和多姿态人脸识别方法[J]. 计算机应用, 2020, 40(3): 704-709.
[8]	陈放, 刘晓瑞, 杨明业. 基于活体检测和身份认证的人脸识别安防系统[J]. 计算机应用, 2020, 40(12): 3666-3672.
[9]	任珍文, 吴明娜. 基于熵自加权联合正则化最近点的图像集分类算法[J]. 计算机应用, 2019, 39(9): 2547-2551.
[10]	方国康, 李俊, 王垚儒. 基于深度学习的ARM平台实时人脸识别[J]. 计算机应用, 2019, 39(8): 2217-2222.
[11]	丁莲静, 刘光帅, 李旭瑞, 陈晓文. 加权信息熵与增强局部二值模式结合的人脸识别[J]. 计算机应用, 2019, 39(8): 2210-2216.
[12]	桑高丽, 闫超, 朱蓉. 基于多区域融合的表情鲁棒三维人脸识别算法[J]. 计算机应用, 2019, 39(6): 1685-1689.
[13]	杨亮东, 杨志霞. 稀疏限制的增量式鲁棒非负矩阵分解及其应用[J]. 计算机应用, 2019, 39(5): 1275-1281.
[14]	王金策, 邓越萍, 史明, 周云飞. 多时间尺度时间序列趋势预测[J]. 计算机应用, 2019, 39(4): 1046-1052.
[15]	李秋珍, 栾朝阳, 汪双喜. 基于卷积神经网络的人脸图像质量评价[J]. 计算机应用, 2019, 39(3): 695-699.

基于S-LISSOM模型的人脸识别方法

S-LISSOM based approach for face recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics