基于张量奇异值分解的人脸识别方法

摘要：

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。

关键词：人脸识别、高阶奇异值分解、张量分解、特征提取、模式识别

分类号：TP391.413(计算技术、计算机技术)

资助基金：四川省科技厅科技支撑计划项目2012GZ0106。

在线出版日期：2015-08-28（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：117-121,126