基于特征向量提取和SVM分类器的课堂人脸识别研究

作者：黄丽媛; 吴南寿; 王雪花; 曾亚光; 韩定安; 周月霞

来源：仪器仪表用户, 2019, 26(02): 15-17.

• 人脸识别
• 课堂考勤
• 特征向量
• SVM

针对课堂考勤时人脸角度、表情变化和人脸部分遮挡导致人脸识别算法识别不准的问题,本文提出一种基于特征向量提取和SVM(SupportVectorMachine)分类器的人脸识别方法。其中,深度神经网络模型经过三元组损失函数(tripletloss)优化可以提取人脸图像在欧氏空间的特征向量,将特征向量输入SVM分类器进行训练,利用训练好的SVM分类器可进行人脸识别。在实际课堂考勤实验中,本文提出的人脸识别方法在人脸角度、表情变化和人脸部分遮挡的情况下人脸识别准确率能达到92.68%。

• 单位
  电子信息工程学院; 佛山科学技术学院