激光杂志
激光雜誌
격광잡지
LASER JOURNAL
2015年
4期
117-121
,共5页
黄安宁%黄根春%方高%张文炬
黃安寧%黃根春%方高%張文炬
황안저%황근춘%방고%장문거
人脸识别%随机映射%主成份分析%线性判别%独立成分分析%高维数据
人臉識彆%隨機映射%主成份分析%線性判彆%獨立成分分析%高維數據
인검식별%수궤영사%주성빈분석%선성판별%독립성분분석%고유수거
face recognition%random projection%principal component analysis%linear discrimination%independent component analysis%high dimension
针对人脸识别过程中高维所带来的计算效率低下、识别率降低的问题,本文采用了简单高效的随机映射保持人脸特征基本不变的降维方法,并验证了其有效性.实验首先将转换为灰度矩阵的图片采用特征抽取算法获取特征向量,其次,对特征矩阵分别采用服从标准正态分布的随机矩阵以及主成分分析法进行映射降维,最后,分别计算降维后特征矩阵的海明距离,并统计识别率.实验结果表明,低维时主成分分析等方法识别率的收敛速度较快,识别率较高,但在高维情况下,其识别率则由87%降到了32%,而随机映射的识别率达到了85%,且稳定性较好.结论为随机映射在处理高维数据时,在准确性以及稳定性方面独具优势,且因其计算复杂度低,具有数据独立性以及距离保持不变的特性,可在人脸识别过程中广泛应用.
針對人臉識彆過程中高維所帶來的計算效率低下、識彆率降低的問題,本文採用瞭簡單高效的隨機映射保持人臉特徵基本不變的降維方法,併驗證瞭其有效性.實驗首先將轉換為灰度矩陣的圖片採用特徵抽取算法穫取特徵嚮量,其次,對特徵矩陣分彆採用服從標準正態分佈的隨機矩陣以及主成分分析法進行映射降維,最後,分彆計算降維後特徵矩陣的海明距離,併統計識彆率.實驗結果錶明,低維時主成分分析等方法識彆率的收斂速度較快,識彆率較高,但在高維情況下,其識彆率則由87%降到瞭32%,而隨機映射的識彆率達到瞭85%,且穩定性較好.結論為隨機映射在處理高維數據時,在準確性以及穩定性方麵獨具優勢,且因其計算複雜度低,具有數據獨立性以及距離保持不變的特性,可在人臉識彆過程中廣汎應用.
침대인검식별과정중고유소대래적계산효솔저하、식별솔강저적문제,본문채용료간단고효적수궤영사보지인검특정기본불변적강유방법,병험증료기유효성.실험수선장전환위회도구진적도편채용특정추취산법획취특정향량,기차,대특정구진분별채용복종표준정태분포적수궤구진이급주성분분석법진행영사강유,최후,분별계산강유후특정구진적해명거리,병통계식별솔.실험결과표명,저유시주성분분석등방법식별솔적수렴속도교쾌,식별솔교고,단재고유정황하,기식별솔칙유87%강도료32%,이수궤영사적식별솔체도료85%,차은정성교호.결론위수궤영사재처리고유수거시,재준학성이급은정성방면독구우세,차인기계산복잡도저,구유수거독립성이급거리보지불변적특성,가재인검식별과정중엄범응용.