融合奇异值分解和最大间距准则的人脸识别方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (8): 164-166.

• 图形、图像、模式识别 • 上一篇下一篇

融合奇异值分解和最大间距准则的人脸识别方法

王振海

临沂大学信息学院，山东　临沂 276005

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-11 发布日期:2011-03-11

Face recognition approach based on fusion of singular value decomposition and maximum margin criterion

WANG Zhenhai

School of Information，Linyi University，Linyi，Shandong 276005，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-11 Published:2011-03-11

摘要/Abstract

摘要： 提出了一种融合奇异值分解（SVD）和最大间距准则鉴别分析（MMC）的人脸识别方法。对人脸图像进行奇异值分解，选取较大的一组奇异值构成特征向量，对所有训练样本按照最大间距准则鉴别分析算法计算投影矩阵，把人脸图像矩阵在投影矩阵上投影得到特征矩阵。融合决策阶段，在以上两类特征集中，分别计算待识别样本到所有训练样本的欧氏距离并对得到的两类结果进行加权融合，最后根据最近距离分类器分类。基于ORL人脸数据库上的实验结果表明算法的有效性。

关键词: 人脸识别, 奇异值分解, 最大间距准则

Abstract: A face recognition method based on singular value decomposition and maximum margin criterion discriminant analysis are proposed.Singular value decomposition is performed on face image matrix，and some bigger singular values are selected to form feature vector.According to maximum margin criterion，MMC feature matrices of training samples and testing samples are calculated.During fusion period，using Euclidean distance measure，the distance of testing sample to all training samples is calculated in both SVD feature set and MMC feature set respectively.Weighted fusion operation is performed on these results that have been gotten above.The nearest distance classification is used to distinguish each testing face sample.The experimental results on ORL face database indicate that the approach is efficient.

Key words: face recognition, Singular Value Decomposition（SVD）, Maximum Margin Criterion（MMC）

王振海. 融合奇异值分解和最大间距准则的人脸识别方法[J]. 计算机工程与应用, 2011, 47(8): 164-166.

WANG Zhenhai. Face recognition approach based on fusion of singular value decomposition and maximum margin criterion[J]. Computer Engineering and Applications, 2011, 47(8): 164-166.

[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]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	杨信民，董红斌，谭成予，周雯. 采用奇异值分解和信息增益的树突状细胞模型[J]. 计算机工程与应用, 2021, 57(15): 156-162.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

融合奇异值分解和最大间距准则的人脸识别方法

Face recognition approach based on fusion of singular value decomposition and 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