计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2013年
3期
174-177,181
,共5页
何振学%张贵仓%谯钧%杨林英
何振學%張貴倉%譙鈞%楊林英
하진학%장귀창%초균%양림영
人脸识别%支持向量机%特征提取%镜像对称性%主成分分析%核主成分分析
人臉識彆%支持嚮量機%特徵提取%鏡像對稱性%主成分分析%覈主成分分析
인검식별%지지향량궤%특정제취%경상대칭성%주성분분석%핵주성분분석
face recognition%Support Vector Machine(SVM)%feature extraction%mirror symmetry%Principal Component Analysis(PCA)%Kernel Principal Component Analysis(KPCA)
核主成分分析(KPCA)没有充分利用人脸的对称性特征,在人脸识别中缺少训练样本,致使其识别率较低.为此,提出一种对称KPCA算法.利用人脸的镜像对称性,通过对训练样本进行镜像变换,得到奇对称样本和偶对称样本,分别提取各奇/偶对称样本的特征分量,使用最近邻距离分类器完成分类.实验结果表明,该算法能扩大样本容量,当多项式阶数为2时,该算法的识别率高于KPCA算法,识别时间短于KPCA算法.
覈主成分分析(KPCA)沒有充分利用人臉的對稱性特徵,在人臉識彆中缺少訓練樣本,緻使其識彆率較低.為此,提齣一種對稱KPCA算法.利用人臉的鏡像對稱性,通過對訓練樣本進行鏡像變換,得到奇對稱樣本和偶對稱樣本,分彆提取各奇/偶對稱樣本的特徵分量,使用最近鄰距離分類器完成分類.實驗結果錶明,該算法能擴大樣本容量,噹多項式階數為2時,該算法的識彆率高于KPCA算法,識彆時間短于KPCA算法.
핵주성분분석(KPCA)몰유충분이용인검적대칭성특정,재인검식별중결소훈련양본,치사기식별솔교저.위차,제출일충대칭KPCA산법.이용인검적경상대칭성,통과대훈련양본진행경상변환,득도기대칭양본화우대칭양본,분별제취각기/우대칭양본적특정분량,사용최근린거리분류기완성분류.실험결과표명,해산법능확대양본용량,당다항식계수위2시,해산법적식별솔고우KPCA산법,식별시간단우KPCA산법.
