基于张量奇异值分解的人脸识别方法
在人脸识别领域应用张量奇异值分解( TSVD)来进行人脸特征的表示和提取,克服了过去的提取方法,如主成分分析法( PCA)等过于依赖拍摄条件的缺点。 TSVD将数据转换成三维线性模型,所以能避免二维线性方法中条件改变则精确度下降的问题,使得识别算法在变化的条件下获得了相对稳定的结果。在此基础上对算法进行了优化,利用矩阵分解,在不影响算法正确率的情况下,有效减少计算量,提高算法效率。基于Matlab对该算法进行了四组实验,并将结果与用PCA方法得到的结果对比,验证了该识别算法在变化条件下显著的正确性以及稳定性;同时,对优化的TSVD算法进行了实验验证,在数据量较大的情况下,该算法速度明显提高。
人脸识别、高阶奇异值分解、张量分解、特征提取、模式识别
TP391.413(计算技术、计算机技术)
四川省科技厅科技支撑计划项目2012GZ0106。
2015-08-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
117-121,126