广义并行2维复判别分析的人脸识别
目的 针对2维线性鉴别分析提取人脸特征向量稳定性较差、仅对行或列方向提取特征时容易丢失不同行或列间有助于鉴别分析的协方差信息、同时存在特征维数较高的问题,提出一种广义并行2维复判别分析的人脸识别方法.方法 首先对人脸图像进行广义并行2维线性判别分析处理,根据特征值贡献率动态选取特征向量组成正交投影矩阵,完成水平和垂直方向上的投影;其次将处理后得到的两类特征矩阵以复数的实部和虚部形式相加,对融合后的特征矩阵进行广义2维复判别分析处理得到复特征矩阵;然后以复特征矩阵的特征值大小来衡量特征矩阵分量的识别性能,对特征矩阵分量进行重新排序,选取最具鉴别力的分量形成最终表征人脸的特征;最后采用最大相似度分类器比较测试样本与训练样本特征的相似度,进行人脸图像特征的分类识别.结果 在Yale、ORL、FERET、CMU-PIE及LFW人脸数据库上进行实验测试,该方法的最优识别率分别为100%、100%、98.98%、99.76%及98.67%,特征维数在85~90之间,表明该方法对复杂条件下的人脸识别有较高的准确率和较低的空间占有率.结论 该方法能够有效克服2维线性鉴别分析提取特征稳定性差、特征空间中特征重叠、存储系数多、特征维数高的缺点,表现出较高鲁棒性和准确率及较低空间复杂度的特性.
人脸识别、广义并行2维复判别分析、复特征矩阵、最大相似度分类
23
TP391(计算技术、计算机技术)
国家自然科学基金项目61172144;辽宁省自然科学基金项目20170540426;辽宁省教育厅基金项目LJYL049,LJ2017QL034,LJ2017ZL003;重点实验室基金项目61421070101162107002
2018-10-10(万方平台首次上网日期,不代表论文的发表时间)
共12页
1359-1370