《表3 本文方法与ECNR算法在AR数据库上的性能比较》

  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

《基于谱域特征提取与线性回归分类的智能人脸识别算法》

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2中的结果证明了本文所提出方法的有效性。该方法在AR数据集上的光照变化（子集1）、表情变化（子集2）以及同时包含光照变化和遮挡影响（子集4和5）方面，实现了比LAG-LDA方法更好的性能。另一种类似的方法，即文献[20]提出的扩展协同邻居表示（ECNR）技术。该方法与本文方法在AR数据集上进行性能比较，两种方法在光照变化、表情变化、存在遮挡以及遮挡和光照变化同时存在的情况下对人脸图像的识别率分别达到390.45%、87.94%、89.32%和83.42%。表3中列出了本文方法和ECNR方法在AR数据率上获得的实验结果。从表3中可以看出，在表情变化（子集2）、光照遮挡（子集4和5）的情况下，本文方法的最佳识别率明显优于ECNR方法。在光照变化的情况下（子集1）本文得到了与EC-NR方法相近的识别率。然而与ECNR方法相比，在存在遮挡（子集3）的情况下，本文方法的识别率稍低。