基于子模式的加权邻域极大边界准则的人脸识别

摘要：

本文提出了一种基于子模式的加权邻域极大边界准则的人脸识别算法.该方法首先在训练过程中对人脸图像进行子块划分,采用邻接点的类信息自适应地计算每块的权重以提高人脸在姿态、表情以及光照等变化下的鲁棒性.其次,对每块图像采用加权邻域极大边界准则进行特征提取,该准则充分利用了数据的类信息,选择数据的邻域点最优重构系数用在目标函数中,保留了数据的局部几何结构,从而在低维空间中提取出更好的分类特征.最后在识别过程中,融合待识别图像在各子块中与训练图像的相似度进行识别.实验结果表明,本文算法能够有效地提取局部特征,较好地保留原始数据的非线性结构,较其他全局方法如主成分分析方法,线性判别式方法和加权邻域极大边界准则算法具有更好的识别性能.

关键词：人脸识别、主成分分析、线性判别式、子模式、加权邻域极大边界准则

所属期刊栏目：38

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金"不确定非完整运动学控制系统的鲁棒镇定"60874002;上海市优秀青年教师基金"视频人脸跟踪识别研究"slg09008;上海理工大学光电学院教师创新基金GDCX-T-101

在线出版日期：2011-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：139-144