全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

基于2维保局投影的人脸识别

DOI: 10.11834/jig.20071116

Keywords: 保局投影,2维保局投影,有监督学习,流形学习,人脸识别

Full-Text   Cite this paper   Add to My Lib

Abstract:

特征提取是人脸识别的一个重要研究领域,能否有效地提取判别特征是决定人脸识别算法好坏的关键。一般的人脸识别算法都是基于图像向量的,需要将2维人脸图像压缩成1维向量,这不仅破坏了像素之间原有的空间结构关系,而且转换后的向量维数过高。为了避免这种情况,提出了一种直接基于图像矩阵的人脸识别算法――2维保局投影算法。由于该算法是在保局投影的基础上进行扩展,使其可以直接面向2维图像矩阵进行处理,同时在构建相似矩阵的时候引入了样本类别信息,因而可有效地提取人脸图片的2维判别特征。另外还采用最小近邻分类器估算识别率。在AT&T人脸库的实验结果表明,与Eigenface、Fisherface以及Laplacianface算法相比,该方法具有较好的识别率。

References

[1]  Shakhnarovich G,Moghaddam B.Face Recognition in Subspaces[M].New York:Springer-Verlag,2004.
[2]  Belhumeur P N,Hespanha J,PKriegman D J.Eigenfaces Vs.Fisherfaces:Recognition using class specific linear projection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1997,19(7):711~720.
[3]  Yang M H.Kernel Eigenfaces Vs.Kernel Fisherfaces:Face recognition using kernel methods[A].In:Proceedings of Fifth IEEE International Conference on Automatic Face and Gesture Recognition[C],Washington,DC,USA,2002:215~220.
[4]  Zhao W,Chellappa R,Phillips P J,et al.Face recognition:A literature survey[J].ACM Computing Surveys,2003,35(4):399~459.
[5]  Turk M,Pentland A.Eigenfaces for recognition[J].Cognitive Neuroscience,1991,3(1):71~86.
[6]  Vapnik V.The Nature of Statistical Learning Theory[M].New York:Springer,1995.
[7]  Tenenbaum J B,De Silva V,Langford J C.A global geometric framework for nonlinear dimensionality reduction[J].Science,2000,290(5500):2319~2323.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133