一种基于共同向量结合2DPCA 的人脸识别方法

一种基于共同向量结合2DPCA 的人脸识别方法

ID:38117773

大小:5.31 MB

页数:4页

时间:2019-05-25

一种基于共同向量结合2DPCA 的人脸识别方法_第1页
一种基于共同向量结合2DPCA 的人脸识别方法_第2页
一种基于共同向量结合2DPCA 的人脸识别方法_第3页
一种基于共同向量结合2DPCA 的人脸识别方法_第4页
资源描述:

《一种基于共同向量结合2DPCA 的人脸识别方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第35卷第2期自动化学报Vol.35,No.22009年2月ACTAAUTOMATICASINICAFebruary,2009[8]共同向量是为解决独立单词识别问题而提出的.通过每一类的差分子空间作Gram-Schmidt正交变换而得到与[9]样本空间维数相同的共同向量,它表示每一类的共同性质.一种基于共同向量结合2DPCA的Cevikalp等提出了判别共同向量方法(Discriminativecom-人脸识别方法monvector,DCV),进而延伸为核判别共同向量法(Kernel[10]discriminativecommonvector,KDCV).He等提出用11文颖施鹏飞共同向量法(

2、Commonvectorapproach,CVP),作为共同脸寻求共同脸与测试脸之间最小距离的识别方法,并将此方摘要提出了一种基于共同向量结合2维主成分分析(2-dimen-法扩展为核共同向量法(Kernelcommonvectorapproach,sionalprincipalcomponentanalysis,2DPCA)的人脸识别方法.共KCVP)[11¡12].同向量由图像通过Gram-Schmidt正交变换而求得,具有该类图像共本文提出一种基于共同向量结合2DPCA的人脸识别方同不变的性质.原始图像与该类共同向量之间的差分向量通过2DPCA法.每类的共同向量是由该类图像通过Gram-

3、Schmidt正交处理,依据最小距离测试得到识别结果.实验在ORL和Yale人脸数据库进行测试,结果表明本文提出的方法有较好的识别性能.变换而得到的,它表示同类人脸图像共同不变的性质.由每关键词人脸识别,共同向量,2维主成分分析幅原始图像与该类的共同向量所形成的差分向量构成新的差中图分类号TP391分人脸数据库,通过2DPCA处理而得到差分向量的最优投影轴.识别结果是由推导测试样本的差分向量和训练样本的AnApproachtoFaceRecognition差分向量在最优投影轴上获得的特征向量之间的最小距离而得到.在ORL和Yale人脸数据库上的测试表明,本文提出BasedonCommonVec

4、torand2DPCA的方法具有较好的识别性能.WENYing1SHIPeng-Fei11算法描述AbstractAnovelapproachtofacerecognitionbasedonthecommonvectorcombinedwith2-dimensionalprincipalcompo-1.1共同向量nentanalysis(2DPCA)isproposedinthispaper.Thecommon1.1.1共同向量的定义vectorofoneclassisobtainedbyfaceimagesoftheclasspro-cessedbytheGram-Schmidtorthog

5、onalizationtorepresentthei假定一个样本集有C个类,每类有N个样本,令xj(icommoninvariantpropertiesoftheclass.Recognitionresultsare=1,2,¢¢¢;C;j=1;2;¢¢¢;N)是第i类第j个样本的nobtainedby2DPCAprocedureanddistancetestofthedi®er-维列向量.训练集中共有M=NC个样本.构造一个第i类encevectorsbetweentheoriginalimageandthecommonvectorBi(i=1;2;¢¢¢;C),其列向量张成一个差分子空间o

6、ftheclass.ExperimentsareperformedonORLandYalefacedatabasesandtheresultsindicatethattheproposedapproachiiiachievesgoodrecognitionresults.Bi=[b1;b2;¢¢¢;bN¡1](1)KeywordsFacerecognition,commonvector,2-dimensionali=xiiiprincipalcomponentanalysis(2DPCA)其中,bkk+1¡x1;k=1;2;¢¢¢;N¡1,这里x1是一个参考向量,是从第i类随机抽取的一个向量,

7、这里选取第一个i样本.对Bi进行Gram-Schmidt变换,得到正交向量集fy1,人脸识别由于军事、商业等方面的应用而成为一个活跃ii和重要的研究领域.人脸图像不仅对环境光照、姿势和表情y2;¢¢¢;yN¡1g,张成一个差分子空间L(Bi).在第i类中随ii变化十分敏感,而且具有较高维数,从而使得人脸识别成为机选取一个样本xk,投影到正交向量yk(k=1;2;¢¢¢;N¡1),则一个较为困难的研

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。