计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2010年
7期
193-194
,共2页
人脸识别%独立成分分析%核向量机%支持向量机
人臉識彆%獨立成分分析%覈嚮量機%支持嚮量機
인검식별%독립성분분석%핵향량궤%지지향량궤
face recognition%Independent Component Analysis(ICA)%Core Vector Machines(CVM)%Support Vector Machines(SVM)
提出利用独立成分分析提取人脸特征并用核向量机进行识别的方法.独立成分分析能更本质地描述图像特征,通过选择合适的特征个数达到较高的识别准确率.利用核向量机进行分类判决,可以快速地对大样本数据进行准确分类,产生较少的支持向量.实验证明了该方法的可行性和有效性,在ORL人脸数据库上达到了94.38%的准确率.
提齣利用獨立成分分析提取人臉特徵併用覈嚮量機進行識彆的方法.獨立成分分析能更本質地描述圖像特徵,通過選擇閤適的特徵箇數達到較高的識彆準確率.利用覈嚮量機進行分類判決,可以快速地對大樣本數據進行準確分類,產生較少的支持嚮量.實驗證明瞭該方法的可行性和有效性,在ORL人臉數據庫上達到瞭94.38%的準確率.
제출이용독립성분분석제취인검특정병용핵향량궤진행식별적방법.독립성분분석능경본질지묘술도상특정,통과선택합괄적특정개수체도교고적식별준학솔.이용핵향량궤진행분류판결,가이쾌속지대대양본수거진행준학분류,산생교소적지지향량.실험증명료해방법적가행성화유효성,재ORL인검수거고상체도료94.38%적준학솔.
This paper proposes an algorithm which adopts Independent Component Analysis(ICA) to extract face feature and Core Vector Machines(CVM) to recognize. ICA is used to extract statistical independent feature and a good result can be received by selecting right feature numbers. CVM is used to classify the feature and it can handle large data sets more quickly. Experimental results show that the algorithm is feasible and effective for face recognition, and its accuracy is 94.38% on ORL.
