核主成分分析与典型相关分析相融合的人脸识别

《核主成分分析与典型相关分析相融合的人脸识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第1期计算机应用与软件V0lI31No．12014年1月ComputerApplicationsandSoftwareJan．2014核主成分分析与典型相关分析相融合的人脸识别金益姜真杰(苏州市职业大学计算机工程系江苏苏州215104)摘要人脸识别具有小样本、高维等特性。典型相关分析算法(CCA)无法准确提取人脸识别特征，不能准确刻画人脸图像的局部变化，导致人脸识别率低。为提高人脸识别率，提出一种核主成分分析与典型相关分析相融合的人脸识别算法(KPCA—CCA)。首先将人脸图像划分多个子模块，然后提取局部特征，同时采

2、用KPCA提取全局特征，并采用CCA将两种特征进行融合，降低特征向量的维数，最后采用子模式进行人脸识别，以投票方式确定人脸的类别。采用AR与Yale数据集对KPCA—CC性能进行测试，仿真结果表明，相对于对比模型，KPCA—CCA提高了人脸识别的识别率。关键词人脸识别典型相关分析核主成分分析子模型特征融合中图分类号TP391文献标识码ADOI：10．3969／j．issn．1000—386x．2014．O1．050FACERECOGNITIONBYFUSINGKERNELPRINCIPALCoMPONENTANALYSISA

3、NDCANoNICALCORRELATIONANALYSISJinYiJiangZhenjie(DepartmentofComputerEngineering，SuzhouVocationalUniversity，Suzhou215104，Jiangsu，China)Abstract‘Facerecognitionhasthefeaturesofsmallsampleandhigh—dimensionality．Canonicalcorrelationanalysis(CCA)can’taccu-ratelyextractt

4、hefeaturesoffacerecognition，noraccuratelydepictsthelocalvariationsoffaceimageaswell，whichleadtolowfacerecogni-tionrate．Inordertoimprovethefacerecognitionrate，inthispaperweproposeanovelfacerecognitionalgorithmwhichfuseskernelprinci-palcomponentanalysisandcanonicalco

5、relationanalysis(KPCA—CCA)．First，itdividesthefaceimageintomultiplesub-modelsandex—tractslocalfeatures，meanwhiletheKPCAisemployedtoextractglobalfeatures，andthenthesetwokindsoffeaturesarefusedbyCCAtore—ducethedimensionalityofeigenvectors，finallythesub-modelsareusedfo

6、rfacerecognition，andthefacetypeisdeterminedbyvoting．TheperformanceofKPCA—CCAhasbeentestedbyARandYaledatasets，simulationresultsshowthatitraisesfacerecognitionratewithrespecttotheIferencemode】．KeywordsFacerecognitionCanonicalcorrelationanalysisKernelprincipalcomponen

7、tanalysisSub—modelFeaturesfusion几个缺陷：①CCA是一种全局线性投影方法，不能很好地描述0引言非线性的人脸识别问题；②提取的特征仅考虑了全局特征，忽略了人脸图像局部变化信息，当人脸图像受到遮挡、或光线明特征提取是人脸识别的重要组成部分，其目标是从众多特暗、表情局部变化影响时，缺乏对局部变化的识别鲁棒性；③征选择最有效的特征，消除无效特征对后继人脸识别的不利影CCA获得特征向量维数相当高，若直接将提取特征输人到分类响，因此提取最优人脸特征成为人脸图像处理研究中的一个重器进行识别，计算复杂度相当高

8、。为此，有学者针对这些难要课题。题，将CCA与PCA、LDA进行组合，并采用子模式化方法对CCA当前人脸特征提取方法有主成分分析、核主成分析、线性鉴进行改进，降低了复杂度，避免小样本问题的出现，获得更好的别分析等¨。]，这些方法属于单模的特征提取方法，仅能获取人人脸识别的效果。但是由于CC