《表1 Yale B人脸数据库、ORL人脸数据库、FERET人脸数据库识别准确率》
文章选择应用的人脸识别系统需要应用Yale B(耶鲁大学人脸数据库B)人脸数据库、ORL(Olivetti Research Laboratory)人脸数据库、FERET(Face Recognition Technology)人脸数据库。Yale B人脸数据库包括了64种光线和38个不同人脸图像子集。在进行人脸识别的时候使用LBP算子提取特征,应用深度LBP算子提取实验来研究对比数据特征,Yale B人脸数据库、ORL人脸数据库、FERET人脸数据库识别准确率见表1。根据表1的数据分析发现,文章所选择的识别方法准确率要比一般方法识别率高。在进行云计算平台下人脸识别操作的时候,选择的人脸特征提取方法能够有效解决常规LBP算子中人脸特征长度较长以及编码不稳定的问题,对体现人脸特征信息起到了十分重要的作用。在云计算平台中,应用SVM进行人脸识别操作的时候,人脸识别效果要比BP神经网络、RBF神经网络好,可见,基于云计算平台的神经网络多层结构在经过多次训练之后能够得到最优化的算法参数,神经网络不适合应用在人脸识别Map Reduce模型的构建中。
图表编号 | XD0016435000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.10 |
作者 | 胡晓 |
绘制单位 | 福州大学物理与信息工程学院、贵州省建筑设计研究院有限责任公司 |
更多格式 | 高清、无水印(增值服务) |