格拉斯曼流形降维及应用研究

摘要：

视频人脸识别的核心问题是如何准确、高效地构建人脸模型并度量模型的相似性,为此提出一种维数约减的格拉斯曼流形鉴别分析方法以提高集合匹配的性能.首先通过子空间建模图像集合,引入投影映射将格拉斯曼流形上的基本元素表示成对应的投影矩阵.然后,为解决高维矩阵计算开销大以及在小样本条件下不能有效描述样本分布的缺陷,引入二维主成分分析方法对子空间的正交基矩阵降维.通过QR分解正则化降维后的矩阵,得到一个低维、紧致的格拉斯曼流形以获得图像集更好的表达.最后将其投影到高维核空间中进行分类.在公开的视频数据库中的实验结果证明,提出的方法在降低计算开销的同时能够获得较高的正确率,是一种有效的基于集合的对象匹配和人脸识别方法.

关键词：子空间、集合匹配、格拉斯曼流形、投影度量、二维主成分分析

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：广东省自然科学基金2015A030313807;广东省科技计划项目2016ZC0039;广州市属高校科研项目1201610059;广东省公益研究与能力建设项目2015A030402003;广州市教育系统创新团队建设计划1201610034;广州番禺职业技术学院"十三五"科研项目2016X002;华南理工大学中央高校基本科研业务项目2015QNXM20;第二批广州市教育系统创新学术团队13C18

在线出版日期：2017-08-14（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：318-323