ty -jour a2 -agaian，sos S. au -han，qiaoling au -su，su，jianbo au -zhao，yue py -yue py-2019 da -2019/10/13 ti-更自适应和更新：一种在线稀疏学习方法，用于面部识别方法SP -8370835 VL -2019 AB-在实际的面部识别应用中，样本集会不断更新。但是，大多数具有学习策略的面部识别模型都不考虑这一事实，并使用固定的训练集一次学习面部识别模型。除此之外，测试过程完成后，测试样品将被丢弃。也就是说，培训和测试过程是分开的，以后没有给前者的反馈以获得更好的识别结果。为了减轻这些问题，本文提出了一种在线稀疏学习方法来识别面部。它可以实时更新显着性评估向量，以构建动态的面部特征描述模型。此外，在此建议的方法中提出了更新画廊集的策略。动态面部功能描述模型和画廊集都均采用识别面。实验结果表明，与经典学习模型和其他最先进的面部识别方法相比，提出的方法提高了面部识别精度。 SN - 2090-0147 UR - https://doi.org/10.1155/2019/8370835 DO - 10.1155/2019/8370835 JF - Journal of Electrical and Computer Engineering PB - Hindawi KW - ER -