基金项目:国家自然科学基金项目(61572063,61401308);河北省自然科学基金项目(F2019201151,F2019201362,F2018210148,F2020201025);河北省高等学校科学技术研究项目(QN2016085,QN2017306,BJ2020030);河北大学校长基金(XZJJ201909);河北省创新技术中心开放课题(2018HBMV01,2018HBMV02);河北大学高层次人才科研启动经费项目(2014-303,8012605);广东省数字信号与图象处理技术重点实验室开放基金资助(2020GDDSIPL-04)收稿日期:2021-06-29修回日期:2021-07-18第40卷第4期计算机仿真2023年4月文章编号:1006-9348(2023)04-0223-08改进加权投票的PCA-Net多特征融合SSFR赵淑欢1,葛佳琦1,梁晓林1,2,刘帅奇1,2(1.河北大学电子信息工程学院,河北保定071000;2.河北省机器视觉技术创新中心,河北保定071000)摘要:单样本人脸识别是人脸识别在实际应用中面临的挑战性问题之一,虽然深度学习在人脸识别方面取得突破性进展但其性能依赖海量标注性数据,故其在单样本上性能有限。而传统浅层特征对有标注的数据量需求不高,但因单样本数据缺少类内变化其性能有限,提出一种改进加权投票的PCA-Net多特征融合算法。在数据集方面,利用LU分解生成虚拟样本扩展数据集;根据PCA-Net特征下样本的相关性细化数据集,实现对数据集初步特征提取和筛选;在细化数据集上提取多LBP特征并与PCA-Net特征进行加权投票。在AR、ExtendedYaleB、CMU-PIE三个数据库上的实验结果表明,所提方法提高了单样本人脸识别性能。关键词:单样本人脸识别;局部二值模式;虚拟样本;特征融合;加权投票中图分类号:TP391.4文献标识码:BAFusionmethodofPCA-NetandMulti-FeatureswithImprovedWeightedVotingforSingle-SampleFaceRecognitionZHAOShu-huan1,GEJia-qi1,LIANGXiao-lin1,2,LIUShuai-qi1,2(1.CollegeofElectronicInformationEngineering,HebeiUniversity,BaodingHebei071000,China;2.HebeiMachineVisionTechnologyInnovationCenter,BaodingHebei071000,China)ABSTRACT:Single-samplefacerecognitionisoneofthechallengingproblemsforfacerecognitioninpracticalap-plications.Althoughdeeplearningmethodshavemadebreakthroughsinfacerecognition,itsperformancereliesonmassivelabeleddata,soitsperformanceonsingle-sampleislimited.However,traditionalshallowfeaturesdonothaveahighdemandforlabeleddata,buttheirperformanceislimitedduetothelackofintra-classvariationforsin-gle-sampletrainingset.Fort...
