基于补集零空间与最近空间距离的人脸识别

摘要 针对人脸识别中在分类器判别时没有充分利用类间差异的问题，提出一种补集零空间（CNS）算法，并进一步提出结合CNS算法与最近空间距离的人脸识别算法——补集零空间与最近空间距离算法（CNSD）。首先，在训练样本中，对每一种类别的人脸样本，构建其子空间并计算其补集的零空间；其次，计算测试样本与所有子空间和补集零空间的距离，找到最小的子空间距离与最大的补集零空间距离对应的类别，将其判别为测试样本的类别。算法在ORL与AR人脸数据集上进行了测试，当训练样本数较小时，CNS算法与CNSD算法识别率远高于最近邻分类器（NN）算法、最近空间距离（NS）算法、最近最远空间距离（NFS）算法；训练样本数较大时，CNS算法与CNSD算法识别率也略高于NN算法、NS算法、NFS算法。实验结果表明，所提算法能充分利用图像的类间差异，提高人脸识别的成功率