典型文献
基于B-LBP特征和SSA优化SVM的人脸识别算法
文献摘要：
为了进一步提高支持向量机分类器人脸识别率和识别速度,提出了采用分块局部二值模式(B-LBP)特征和麻雀搜索算法(SSA)优化支持向量机(SVM)的人脸识别算法.算法首先对人脸图像分块并提取每个子分块统一化局部二值模式特征,通过特征融合、快速PCA降维处理后得到人脸图像特征;再使用SSA优化SVM分类器的核函数参数和惩罚系数,提高分类器的分类精度和速度;最后将人脸图像特征输入到优化后的SVM分类器进行分类.实验结果表明,与其他几种人脸识别算法相比,基于B-LBP特征和SSA优化SVM的人脸识别算法的人脸识别率和识别速度显著提升.
文献关键词：
人脸识别;分块局部二值特征;支持向量机;麻雀搜索算法;特征融合
中图分类号：
作者姓名：
朱强军;许佳炜;王杨;张广海;高丽
作者机构：
安徽师范大学皖江学院 电子工程系,安徽 芜湖241008;安徽师范大学 计算机与信息学院,安徽 芜湖241003
文献出处：
引用格式：
[1]朱强军;许佳炜;王杨;张广海;高丽-.基于B-LBP特征和SSA优化SVM的人脸识别算法)[J].湖北理工学院学报,2022(06):1-5,38
A类：
分块局部二值特征,局部二值特征
B类：
LBP,SSA,人脸识别算法,高支,支持向量机分类器,识别率,麻雀搜索算法,优化支持向量机,人脸图像,图像分块,统一化,局部二值模式特征,特征融合,降维处理,图像特征,核函数,函数参数,罚系数,分类精度
AB值：
0.215111
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
