电视技术
電視技術
전시기술
TV ENGINEERING
2014年
7期
207-210
,共4页
人脸识别%单训练样本%通用学习框架%Fisher线性判别分析%最近邻分类器
人臉識彆%單訓練樣本%通用學習框架%Fisher線性判彆分析%最近鄰分類器
인검식별%단훈련양본%통용학습광가%Fisher선성판별분석%최근린분류기
face recognition%single training sample%generic learning framework%Fisher linear discriminative analysis%nearest neighbour classifier
针对传统的Fisher线性判别分析(FLDA)算法在处理单训练样本人脸识别时由于类内散布矩阵为零而不能进行特征提取的问题,提出了一种基于自适应通用学习框架改进FLDA的人脸识别算法.首先选取一个合适的通用训练样本集,计算其类内散布矩阵和样本平均向量;然后,利用双线性表示算法预测单训练样本的类内、类间散布矩阵,巧妙地解决了单训练样本类内散布矩阵为零的问题;最后,利用Fisher线性判别分析进行特征提取,同时借助于最近邻分类器完成人脸的识别.在Yale及FERET两大通用人脸数据库上的实验验证了所提算法的有效性及可靠性,实验结果表明,相比其他几种较为先进的单样本人脸识别算法,所提算法取得了更好的识别效果.
針對傳統的Fisher線性判彆分析(FLDA)算法在處理單訓練樣本人臉識彆時由于類內散佈矩陣為零而不能進行特徵提取的問題,提齣瞭一種基于自適應通用學習框架改進FLDA的人臉識彆算法.首先選取一箇閤適的通用訓練樣本集,計算其類內散佈矩陣和樣本平均嚮量;然後,利用雙線性錶示算法預測單訓練樣本的類內、類間散佈矩陣,巧妙地解決瞭單訓練樣本類內散佈矩陣為零的問題;最後,利用Fisher線性判彆分析進行特徵提取,同時藉助于最近鄰分類器完成人臉的識彆.在Yale及FERET兩大通用人臉數據庫上的實驗驗證瞭所提算法的有效性及可靠性,實驗結果錶明,相比其他幾種較為先進的單樣本人臉識彆算法,所提算法取得瞭更好的識彆效果.
침대전통적Fisher선성판별분석(FLDA)산법재처리단훈련양본인검식별시유우류내산포구진위령이불능진행특정제취적문제,제출료일충기우자괄응통용학습광가개진FLDA적인검식별산법.수선선취일개합괄적통용훈련양본집,계산기류내산포구진화양본평균향량;연후,이용쌍선성표시산법예측단훈련양본적류내、류간산포구진,교묘지해결료단훈련양본류내산포구진위령적문제;최후,이용Fisher선성판별분석진행특정제취,동시차조우최근린분류기완성인검적식별.재Yale급FERET량대통용인검수거고상적실험험증료소제산법적유효성급가고성,실험결과표명,상비기타궤충교위선진적단양본인검식별산법,소제산법취득료경호적식별효과.