一种改进增量非负矩阵分解人脸识别算法研究

摘要：

针对人脸面部图像辨识易受非均匀光照因素的影响,从而降低识别率问题,提出一种改进的人脸识别算法.首先,通过使用中心对称局部二阶微分模式提取人脸图像的二阶微分表征向量;其次,利用改进的增量非负矩阵分解(IINMF)算法来训练人脸图像样本的类别信息进而提取人脸图像表征向量,同时提高了算法迭代优化求解时的收敛机能;然后使用典型相关性分析(CCA)合并CS-LDP和IINMF提取的人脸面部图像表征向量获得融合后的人脸图像表征向量,最后利用最近邻分类器进行分类,获得最后的辨识结果.实验结果表明,提出的算法对光照下的识别具有较高的识别率,拥有良好的实时性和鲁棒性.

关键词：非均匀光照、中心对称局部二阶微分模式、改进的增量非负矩阵分解、典型相关性分析

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61866037,61462082

在线出版日期：2020-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：309-313