分块PCA和奇异值分解相结合的人脸识别算法
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

中央高校基本科研业务费资助项目(CDJXS10160007)


A face recognition method based on modular PCA and SVD
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对分块PCA算法对位移、旋转等几何变化比较敏感的缺点,提出一种基于分块PCA和奇异值分解相结合的人脸识别算法。该算法分别提取分块子图像的PCA特征和奇异值特征,在此基础上得到同时包含分块PCA和奇异值信息的距离测度,利用最小距离分类器进行分类识别。在ORL人脸库上的实验结果表明,该方法能够得到较高的识别率。

    Abstract:

    In order to solve the problem that modular PCA method is sensitive to translation, rotation and other geometric transform, a face recognition method based on modular PCA and singular value decomposition (SVD) is proposed. The PCA features of sub image and SVD features are extracted respectively. The distance measure that fuses information of modular PCA and SVD is obtained. Minimum distance classifier is used to face recognition. Experimental results on ORL human face database show that the proposed method can obtain higher recognition rate.

    参考文献
    相似文献
    引证文献
引用本文

印勇,何文娟,郭之强,郭攀,徐亦达.分块PCA和奇异值分解相结合的人脸识别算法[J].重庆大学学报,2012,35(8):134-138.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2012-09-04
  • 出版日期:
文章二维码