改进的PCA-LDA人脸识别算法的研究

摘要：

主成分分析算法(PCA)和线性鉴别分析算法(LDA)被广泛用于人脸识别技术中,但是PCA由于其计算复杂度高,致使人脸识别的实时性达不到要求.线性鉴别分析算法存在"小样本"和"边缘类"问题,降低了人脸识别的准确性.针对上述问题,提出使用二维主成分分析法(2DPCA)与改进的线性鉴别分析法相融合的方法.二维主成分分析法提取的特征比一维主成分分析法更丰富,并且降低了计算复杂度.改进的线性鉴别分析算法重新定义了样本类间离散度矩阵和Fisher准则,克服了传统线性鉴别分析算法存在的问题,保留了最有辨别力的信息,提高了算法的识别率.实验结果表明,该算法比主成分分析算法和线性鉴别分析算法具有更高的识别率,可以较好地用于人脸识别任务.

关键词：主成分分析、线性鉴别分析、二维主成分分析、Fisher准则、人脸识别

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金-青年基金项目BK20140868

在线出版日期：2021-03-15（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：65-69