让找料更便捷
电子元器件
采购信息平台
生意随身带
随时随地找货
一站式电子元器件
采购平台
半导体行业观察第一站
标签:
摘要: 摘 要: 提出一种核主元分析和线性判别分析相结合的人脸特征识别改进算法。采用核主元分析法对人脸特征信息数据进行主分量提取,以消除数据特征间的相关性和压缩特征向量的维数。通过引入成对加权Fisher准则和正则化规则对线性判别分析法进行改进,进而实现人脸的自动识别。基于ORL人脸库进行的实验表明,此改进算法能够有效识别库中的人脸,识别率达91.7%,与K近邻法和主元分析法相比有较高的识别率。关键词:核
摘 要: 提出一种核主元分析和线性判别分析相结合的人脸特征识别改进算法。采用核主元分析法对人脸特征信息数据进行主分量提取,以消除数据特征间的相关性和压缩特征向量的维数。通过引入成对加权Fisher准则和正则化规则对线性判别分析法进行改进,进而实现人脸的自动识别。基于ORL人脸库进行的实验表明,此改进算法能够有效识别库中的人脸,识别率达91.7%,与K近邻法和主元分析法相比有较高的识别率。
关键词:核主元分析;线性判别分析;人脸识别;特征提取;维数灾难
人脸识别是一种重要的生物特征识别技术,在公共安全、信息安全、金融等领域具有广阔的应用前景[1]。近年来随着检测技术、信号处理技术和模式识别技术的长足发展,国内外学者对人脸识别技术进行了更加深入的研究[2]。国外学者DABBAGHCHIANA S采用离散余弦变换DCT(Discrete Cosine Transform)对ORL人脸库的图像进行特征提取,用鉴别能力分析DPA(Discrimination Power Analysis)对其进行识别[3];国内李勇周等人采用核岭回归的邻域保持最大间隔分析法,在标准人脸库中进行实验,取得很好的识别性能[4];甘俊英采用非线性Radon变换对ORL人脸库中图像进行特征提取与识别,识别率为90.5%[5]。在众多已有的人脸识别方法中,主成分分析PCA(Principal Component Analysis)和线性判别分析LDA(Linear Discriminant Analysis)具有运算少、描述能力强和可分性好等特点[6]。PCA是一种线性数据降维算法, 但不能取出数据中非线性的结构。针对人脸识别过程中数据非线性的特点,采用核主元分析法KPCA(Kernel Principal Component Analysis)能够很好地保留数据的非线性结构,从而更好地保留原数据信息量[7-8]。线性判别分析法(LDA)是用于判断样本所属类型的一种统计分析方法,广泛应用于不同领域。在人脸识别中,LDA分类器的准确率优于前面提到的那些复杂的判别方法,同时还具有易于实现和训练更迅速等优点[9-10]。实验证明采用LDA分类器对ORL人脸数据库进行模式识别正确率高,达到91.7%以上,且鲁棒性好。
1 核主元分析法在人脸识别中的应用
采用核主元分析(KPCA)来解决有监督情况下的非线性数据的降维问题。KPCA的核心思想是采用非线性变换将输入数据空间映射到高维空间,使非线性问题转换为
上一篇:车载功放的高电平输入
型号 | 厂商 | 价格 |
---|---|---|
EPCOS | 爱普科斯 | / |
STM32F103RCT6 | ST | ¥461.23 |
STM32F103C8T6 | ST | ¥84 |
STM32F103VET6 | ST | ¥426.57 |
STM32F103RET6 | ST | ¥780.82 |
STM8S003F3P6 | ST | ¥10.62 |
STM32F103VCT6 | ST | ¥275.84 |
STM32F103CBT6 | ST | ¥130.66 |
STM32F030C8T6 | ST | ¥18.11 |
N76E003AT20 | NUVOTON | ¥9.67 |