基于PCA、LDA和LR融合算法的人脸图像识别研究

摘要：

为了让人脸算法能在降低计算复杂程度的前提下有着更高的识别准确率,尝试一种将PCA、LDA、LR融合的算法,首先利用PCA、LDA方法对人脸数据进行降维,再利用LR分类器进行混合人脸识别.这种融合算法改善了PCA和LDA这两种方法在光照不均匀时图像识别率低和无法求出最佳投影方向的问题,从而能够解决随着人脸数据的集中以及人脸样本类别的增多,而识别的有效性反而下降的问题;而LR分类方式作为传统机器学习中的一个十分重要且典型的分类模型,其算法本身简单易懂,而且分类过程准确高效,加上在人脸识别分类上的应用较少,有一定的研究意义.本文尝试在Wild数据库上利用python软件进行仿真模拟实验,发现该融合方法的识别准确率和传统的PCA算法以及KNN分类方法相比有显著的提高.

关键词：主成分分析(PCA)、线性判别分析(LDA)、逻辑回归(LR)、人脸图像识别

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2022-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：72-75