人脸具有丰富的表情变化,而且受光照强度、成像角度和成像时间等诸多因素的影响,这些因素都给人脸自动识别造成很大的困难。针对这些问题,笔者提出了一种局部线性鉴别分析(LLDA:Locally L inearD iscrim inantAnalysis)的非线性鉴别分...人脸具有丰富的表情变化,而且受光照强度、成像角度和成像时间等诸多因素的影响,这些因素都给人脸自动识别造成很大的困难。针对这些问题,笔者提出了一种局部线性鉴别分析(LLDA:Locally L inearD iscrim inantAnalysis)的非线性鉴别分析方法,其根本思想是:全局非线性数据结构可由局部线性和局部结构的线性组合表示。样本的特征矢量通过线性转换构成局部特征子空间,使类间散度最大而类内散度最小。该方法适用于多类非线性鉴别。实验表明,在低维子空间、姿态变化和单视图表示的人脸识别中是很有效的。展开更多
文摘人脸具有丰富的表情变化,而且受光照强度、成像角度和成像时间等诸多因素的影响,这些因素都给人脸自动识别造成很大的困难。针对这些问题,笔者提出了一种局部线性鉴别分析(LLDA:Locally L inearD iscrim inantAnalysis)的非线性鉴别分析方法,其根本思想是:全局非线性数据结构可由局部线性和局部结构的线性组合表示。样本的特征矢量通过线性转换构成局部特征子空间,使类间散度最大而类内散度最小。该方法适用于多类非线性鉴别。实验表明,在低维子空间、姿态变化和单视图表示的人脸识别中是很有效的。
