基于非线性特征和线性映射的多视角低分辨人脸识别算法

摘要：

针对分辨率变化、视角变化和认证集单样本等实际条件下的人脸识别问题，提出了一种基于回归的人脸识别算法。该算法采用核主成分分析法（kernel principal component analysis）分别提取侧面低分辨率和正面高分辨率人脸特征，利用 Procrus-tes 分析建立每一种侧面视角低分辨率 KPCA 特征和正面高分辨率 KPCA 特征间的映射关系，从而获得对应的回归模型。根据这些回归模型，即可得到测试侧面低分辨率人脸对应的正面高分辨率 KPCA 特征，并通过最近邻分类器进行识别。在标准图库上的实验表明，与基于线性模型的人脸识别对比算法相比，本文所提算法识别率提高了4％至36％，而在线测试时间仅比最快的对比算法多1．087 ms。

关键词：模式识别、非正面人脸识别、低分辨率、核主成分分析、Procrustes分析

分类号：TP391.4(计算技术、计算机技术)

资助基金：高等学校博士学科点专项科研基金资助项目20110201110065，20110201110012

在线出版日期：2015-08-24（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：1682-1687