基于空间支持向量域分类器的人脸识别

doi:10.3778/j.issn.1002-8331.2011.02.053

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (2): 176-178.DOI: 10.3778/j.issn.1002-8331.2011.02.053

• 图形、图像、模式识别 • 上一篇下一篇

基于空间支持向量域分类器的人脸识别

杨定礼¹，严石¹，杨银贤^1，2

1.淮阴工学院电子信息工程系，江苏淮安 223003
2.东南大学信息科学与工程学院，南京 210096

收稿日期:2009-04-27 修回日期:2009-06-17 出版日期:2011-01-11 发布日期:2011-01-11
通讯作者: 杨定礼

Face recognition based on space support vector domain classifier

YANG Dingli¹，YAN Shi¹，YANG Yinxian^1，2

1.Department of Electronic Information Engineering，Huaiyin Institute of Technology，Huai’an，Jiangsu 223003，China
2.School of Information Science and Engineering，Southeast University，Nanjing 210096，China

Received:2009-04-27 Revised:2009-06-17 Online:2011-01-11 Published:2011-01-11
Contact: YANG Dingli

摘要/Abstract

摘要： 提出了一种基于小波变换、奇异值分解与空间支持向量域分类器相结合的人脸识别方法。在使用空间支持向量分类器对不同人脸图像的奇异特征向量进行分类时，计算所测样本到各个超球球心的距离，并根据其与超球半径的关系来判断其所归属。并在ORL人脸数据库中进行实验。实验表明提出的人脸识别方法识别精度可达97.5%。

关键词: 空间支持向量域分类器, 奇异值分解, 人脸识别

Abstract: A new approach for face recognition based on wavelet，singular value decomposition and Space Support Vector Domain Classifier（SSVDC） is presented.SSVDC is applied to classify singular value feature vector of face image，and the distance from the test sample to each hyper sphere center is computed.The attribution is judged according to distance from the test sample to hyper sphere central.Experiment result on （Olivetti Research Laboratory，ORL） database demonstrates that recognition accuracy is 97.5％.

Key words: Space Support Vector Domain Classifier（SSVDC）, singular value decomposition, face recognition

中图分类号:

TP391

杨定礼¹，严石¹，杨银贤^1，2. 基于空间支持向量域分类器的人脸识别[J]. 计算机工程与应用, 2011, 47(2): 176-178.

YANG Dingli¹，YAN Shi¹，YANG Yinxian^1，2
. Face recognition based on space support vector domain classifier[J]. Computer Engineering and Applications, 2011, 47(2): 176-178.

[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.

基于空间支持向量域分类器的人脸识别

Face recognition based on space support vector domain classifier

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