《表3 几种代表性方法在FERET人脸库上的实验结果对比》
由图11比较结果可以看出,由于CDMMA方法同时融合标签信息和训练样本的局部几何结构信息,而CLPM只考虑了训练样本的局部几何结构,因而CDMMA较CLPM识别率提升近2.5%,达到90.2%。Wang等人[5]对几种方法在FERET人脸库上的识别性能进行了比较。表3为几种代表性方法在FERET人脸库上的实验结果对比[5]。由表3的比较结果可以看出,SDA较其他代表性方法具有明显的优势,该方法在人脸图像分辨率为12×12时取得92.7%的识别率。由于该方法对高、低分辨率判别信息进行了组合优化,在一定程度上更有利于分类,对表情变化具有较好的鲁棒性。Mudunuri等人[37]在Multi-PIE人脸库上验证了CDDTL方法的效果。采用20种光照条件下4种不同人脸姿态图像作为图像库,随机选取100个人的人脸图像作为训练集,剩下的用于测试,其中HR人脸图像分辨率为60×55,LR人脸图像分辨率为20×18。表4为几种代表性方法在Multi-PIE人脸库上的实验结果对比。由表4比较结果可以看出,CDDTL相比其他方法,通过联合学习支持跨域分类耦合字典和变换矩阵,因而该方法对人脸姿态更具鲁棒性,识别性能较好且稳定。
图表编号 | XD00107087700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.15 |
作者 | 张凯兵、郑冬冬、景军锋 |
绘制单位 | 西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |