Resumen

La baja resolución (LR) en aplicaciones de vigilancia de reconocimiento facial (FR) causará el problema de desajuste dimensional entre la imagen LR y su plantilla de alta resolución (HR). En este artículo, se propone un nuevo método denominado regresión cruzada acoplada al kernel (KCCR) para resolver este problema. En lugar de procesar directamente en el espacio de observación original, KCCR proyecta las imágenes faciales LR y HR en un espacio de características de incrustación no lineal unificado utilizando mapeos acoplados de kernel e incrustación de gráficos. Además, se emplea la regresión espectral para mejorar el rendimiento de la generalización y reducir la complejidad temporal. Mientras tanto, se desarrolla la regresión cruzada para utilizar plenamente la incrustación HR para aumentar la información del espacio LR, mejorando así el rendimiento del reconocimiento. Los experimentos realizados con las bases de datos de rostros FERET y CMU PIE muestran que KCCR supera a los métodos basados en estructuras existentes en términos de tasa de reconocimiento y complejidad temporal.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:complejidad temporal, proyectos kccr lr, kccr, cruz, kernel, problema, regresión, cmu pie, imagen lr, espacio lr
• Keywords:time complexity, kccr projects lr, kccr, cross, kernel, problem, regression, cmu pie, lr image, lr space