...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of computer vision and iImage processing >Local Linear Regression on Hybrid Eigenfaces for Pose Invariant Face Recognition
【24h】

Local Linear Regression on Hybrid Eigenfaces for Pose Invariant Face Recognition

机译：混合特征脸局部线性回归用于姿态不变的人脸识别

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Pose variation leads to significant decline in the performance of the face recognition systems. In this paper, the authors propose a new approach HLLR, based on conjunction of hybrid-eigenfaces and local linear regression (LLR), to perform face recognition across pose. In this approach, LLR on hybrid-eigenfaces is used to generate virtual views. These virtual views in frontal and non-frontal poses are obtained using frontal gallery image. The performance of the proposed approach is compared for classification accuracy with another efficient method based on global linear regression on hybrid eigenface (HGLR). They also investigate the effect of number of images used to construct hybrid-eigenfaces on classification accuracy. Experimental results on two well known publicly available face databases demonstrate the effectiveness of the proposed approach. The suitability of proposed approach is also noticed when the number of available images is small.
机译：姿势变化导致面部识别系统的性能显着下降。在本文中，作者提出了一种新的方法HLLR，该方法基于混合特征脸和局部线性回归（LLR）的结合，可以进行跨姿势的人脸识别。在这种方法中，使用混合特征面上的LLR生成虚拟视图。这些正面和非正面姿势的虚拟视图是使用正面画廊图像获得的。将所提方法的性能与另一种基于混合特征脸全局线性回归的有效方法（HGLR）进行比较，以提高分类精度。他们还研究了用于构造混合特征脸的图像数量对分类准确性的影响。在两个众所周知的公开面孔数据库上的实验结果证明了该方法的有效性。当可用图像的数量较少时，也会注意到该方法的适用性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号