基于WPCA和修正的最大间距准则的人脸识别

doi:10.3778/j.issn.1002-8331.2010.05.046

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (5): 151-153.DOI: 10.3778/j.issn.1002-8331.2010.05.046

• 图形、图像、模式识别 • 上一篇下一篇

基于WPCA和修正的最大间距准则的人脸识别

王进军¹，王汇源^1，2

1.山东大学信息科学与工程学院，济南 250100

收稿日期:2008-08-15 修回日期:2008-11-10 出版日期:2010-02-11 发布日期:2010-02-11
通讯作者: 王进军

Face recognition based on WPCA and modified maximum margin criterion

WANG Jin-jun¹，WANG Hui-yuan^1，2

1.School of Information Science and Engineering，Shandong University，Jinan 250100，China
2.IEETA，Campus Universitário de Santiago，3810-193 Aveiro，Portugal

Received:2008-08-15 Revised:2008-11-10 Online:2010-02-11 Published:2010-02-11
Contact: WANG Jin-jun

摘要/Abstract

摘要： 针对Fisher准则遇到的高维小样本问题和最大间距准则遇到的“次优化问题”，提出一种基于加权PCA（WPCA）和修正的最大间距准则（MMMC）的线性判别分析方法。首先对PCA空间进行加权，对最大间距准则的散布矩阵进行修正，然后结合WPCA和MMMC进行特征提取。该方法为有效地解决上述两个问题提供了途径。在ORL和FERET人脸库上的实验结果验证了该方法的有效性。

关键词: 人脸识别, 加权主成分分析（PCA）, 最大间距准则

Abstract: Considering the high dimensions and the‘small sample size’ problem in Fisher linear discriminant analysis and the ‘inferior’ problem in the maximum margin criterion，a face recognition approach is proposed based on weighted PCA and modified maximum margin criterion.The approach gives an effective way to resolve the two problems above.Experimental results on ORL and FERET database verify the effectiveness of the proposed method.

Key words: face recognition, weighted Principal Component Analysis（PCA）, maximum margin criterion

中图分类号:

TP391

王进军¹，王汇源^1，2. 基于WPCA和修正的最大间距准则的人脸识别[J]. 计算机工程与应用, 2010, 46(5): 151-153.

WANG Jin-jun¹，WANG Hui-yuan^1，2. Face recognition based on WPCA and modified maximum margin criterion[J]. Computer Engineering and Applications, 2010, 46(5): 151-153.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[8]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[9]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[10]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[11]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[12]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[13]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[14]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.

基于WPCA和修正的最大间距准则的人脸识别

Face recognition based on WPCA and modified maximum margin criterion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics