-
题名核主成分分析与典型相关分析相融合的人脸识别
被引量：1
- 1
-
-
作者
金益
姜真杰
-
机构
苏州市职业大学计算机工程系
-
出处
《计算机应用与软件》
CSCD
北大核心
2014年第1期191-193,270,共4页
-
文摘
人脸识别具有小样本、高维等特性。典型相关分析算法(CCA)无法准确提取人脸识别特征,不能准确刻画人脸图像的局部变化,导致人脸识别率低。为提高人脸识别率,提出一种核主成分分析与典型相关分析相融合的人脸识别算法(KPCA-CCA)。首先将人脸图像划分多个子模块,然后提取局部特征,同时采用KPCA提取全局特征,并采用CCA将两种特征进行融合,降低特征向量的维数,最后采用子模式进行人脸识别,以投票方式确定人脸的类别。采用AR与Yale数据集对KPCA-CC性能进行测试,仿真结果表明,相对于对比模型,KPCA-CCA提高了人脸识别的识别率。
-
关键词
人脸识别
典型相关分析核主成分分析
子模型
特征融合
-
Keywords
Face recognition Canonical correlation analysis Kernel principal component analysis Sub-model Features fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
