基于双重特征空间的人脸识别  

Face recognition based on double characteristic space

作　　者：龙丹[1] 石跃祥[1] 陈良军[1] 

机构地区：[1]湘潭大学信息工程学院,湖南湘潭411105

出　　处：《计算机工程与设计》2007年第1期112-114,共3页Computer Engineering and Design

基　　金：湖南省自然科学基金项目(02JJY2091)

摘　　要：多目标遗传算法(MOGA)是求解多目标优化问题的有效工具,因而在求解实际问题中得到越来越广泛的应用。PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的。在人脸识别的实际应用中,将多目标遗传算法引入到PCA所生成的特征空间的优化中,提出基于双重特征空间的人脸识别算法。通过对剑桥ORL库实验表明,该方法与传统的PCA相比,识别率得到明显提高。Multi-objective genetic algorithm （MOGA） is an effective way to solve multi-objective optimization problem and is used more and more extensively in solution of practical problem. PCA （principal component analysis） is the optimal dimension compression technique based on second-order information, in the sense of mean-square error. Features extracted by PCA are statistically uncorrelated to each other. In the applications on face image recognition, optimization of characteristic space which is produced by PCA is introduced. A new face recognition method based on double characteristic space is proposed. The experiment to ORL face library shows that the new method provide satisfactory recognition performance.

关 键 词：人脸识别 主成分分析 特征脸加权 特征空间优化 多目标遗传算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]