局部非参数子空间分析在人脸识别中的应用

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (3): 141-144.

局部非参数子空间分析在人脸识别中的应用

程强，陈秀宏

江南大学数字媒体学院，江苏无锡 214122

出版日期:2014-02-01 发布日期:2014-01-26

Local nonparametric subspace analysis with applications to face recognition

CHENG Qiang, CHEN Xiuhong

School of Digital Media, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2014-02-01 Published:2014-01-26

摘要/Abstract

摘要： 提出了一种局部非参数子空间分析算法（Local Nonparametric Subspace Analysis，LNSA），将其应用在人脸识别中。LNSA算法结合了非参数子空间算法（Nonparametric Subspace Analysis，NSA）与局部保留投影算法（Locality Preserving Projection，LPP）。它利用LPP算法中的相似度矩阵重构NSA的类内散度矩阵，使得在最大化类间散度矩阵的同时保留了类的局部结构。在ORL人脸库和XM2VTS人脸库上作了实验并证明LNSA方法要优于其他方法。

关键词: 人脸识别, 非参数子空间分析, 局部保留投影, 局部鉴别分析, 局部非参数子空间分析

Abstract: A local nonparametric subspace analysis algorithm is proposed and applied to face recognition. The algorithm, which combines nonparametric subspace analysis with locality preserving projection and reconstructs the within-class scatter matrix by the affinity matrix of locality preserving projection algorithm, makes it possible to maximize the between-class scatter matrix and meanwhile to preserve the class local structure.The experimental results on ORL and XM2VTS face databases show that the performance of local nonparametric discriminant analysis is better than other algorithms.

Key words: face recognition, nonparametric subspace analysis, locality preserving projection, local Fisher discriminant analysis, local nonparametric subspace analysis

程强，陈秀宏. 局部非参数子空间分析在人脸识别中的应用[J]. 计算机工程与应用, 2014, 50(3): 141-144.

CHENG Qiang, CHEN Xiuhong. Local nonparametric subspace analysis with applications to face recognition[J]. Computer Engineering and Applications, 2014, 50(3): 141-144.

[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.