《表3 CMU PIE和AR人脸库上不同方法的运行时间》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于低秩投影与稀疏表示的人脸识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表3列出了CMU PIE、AR人脸库在维数为100时各方法的运行时间，从表3来看，因为要求解L1范数，所以本文方法、LRR＿SRC及SRC方法都需要花费较多时间，而LRC和NN所需时间较少。相比于LRR＿SRC方法，本文方法多了学习低秩投影矩阵的过程，由于学习低秩投影矩阵有解析解，所以该学习过程速度很快，计算时间没有明显增加。虽然相对其他方法，本文方法需要较多时间，但时间主要花费在对训练样本的低秩恢复和测试样本的稀疏分解，其中训练样本的低秩恢复可以离线计算。此外随着计算能力的提高，相对于算法性能的提升，计算代价可能会成为次要问题，所以本方法还是具有一定的实用性。