M2DPCA与CCLDA相结合的人脸识别

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (12): 129-132.

M2DPCA与CCLDA相结合的人脸识别

冯华丽1，刘渊2

1.无锡商业职业技术学院教育信息化中心，江苏无锡 214153
2.江南大学数字媒体学院，江苏无锡 214122

出版日期:2014-06-15 发布日期:2015-05-08

Face recognition algorithm based on modular 2DPCA and CCLDA

FENG Huali1, LIU Yuan2

1.Education Information Center, Wuxi Institute of Commerce and Technology, Wuxi, Jiangsu 214153, China
2.School of Digital Media, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2014-06-15 Published:2015-05-08

摘要/Abstract

摘要： CCLDA算法将图像矩阵转化为向量进行处理，该算法易造成数据维数很大，计算量复杂并容易出现“小样本”等问题。针对以上这些问题，提出了一种基于模块化2DPCA和CCLDA相结合的协同处理方法并应用于人脸识别领域。并且在ORL和XM2VTS人脸库上的实验结果表明，新方法在识别效果上有比以往的算法更为明显的优势。

关键词: 上下文约束, 模块化二维主成分分析（M2DPCA）, 基于上下文约束线性判别分析（CCLDA）, 人脸识别

Abstract: An improved face recognition algorithm is proposed based on the combination of modular 2DPCA and Contextual Constraints based Linear Discriminant Analysis（CCLDA） because of the disadvantages of CCLDA. CCLDA first transforms an image matrix to a vector which causes high dimensionality and computational complexity and not considers the local feature. Experimental results obtained on ORL and XM2VTS databases show the effectiveness of the new method.

Key words: contextual constraints, Modular 2-Dimensional Principal Component Analysis（M2DPCA）, Contextual Constraints based Linear Discriminant Analysis（CCLDA）, face recognition

冯华丽1，刘渊2. M2DPCA与CCLDA相结合的人脸识别[J]. 计算机工程与应用, 2014, 50(12): 129-132.

FENG Huali1, LIU Yuan2. Face recognition algorithm based on modular 2DPCA and CCLDA[J]. Computer Engineering and Applications, 2014, 50(12): 129-132.

[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.