基于模糊自适应共振理论映射算法的单样本三维人脸识别

？针对传统的三维人脸识别分类算法大多需要多个样本进行训练，而在单训练样本的前提下识别性能会严重降低的问题，提出了基于模糊自适应共振理论映射(fuzzyartmap)的算法对三维人脸数据库进行分类识别。首先对三维人脸深度图像进行局部二值模式(lbp)统一模式算子的特征提取，再对lbp特征进行log-gabor小波变换，提取图像的频域特征向量作为训练的输入向量，最后将单样本训练向量集送入fuzzyartmap分类器进行训练识别。该算法在frgcv2.0三维人脸数据库中的识别率可达到87.15%，分类器的训练时间为24.88s，单张待识别人脸样本与单张已注册的人脸匹配时间为0.0015s，一张新的人脸样本在数据库完成一次搜索匹配则需要1.08s。实验结果表明，所提方法在测试中的性能优于概率神经网络(pnn)和极限学习机神经网络(elm)，既能保证较高的识别率，又能拥有较短的训练时间，且时间增幅稳定，可控性强。