基于正交余弦变换域概率主成分分析的嵌入隐马尔可夫人脸识别模型  

PPCA in DCT Domain for Face Recognition Using Embedded HMM

作　　者：王华华[1] 周越[1] 杨杰[1] 戈新良[1] 

机构地区：[1]上海交通大学图像处理与模式识别研究所,上海200240

出　　处：《上海交通大学学报》2007年第6期885-888,893,共5页Journal of Shanghai Jiaotong University

基　　金：上海市科委重大项目(03DZ14015)

摘　　要：提出并证明了概率主成分分析作用于正交余弦变换(DCT)域与作用于空域所获得的结果相同.利用DCT变换的快速压缩性能和概率主成分分析的软降维性能来稳定地获取和表示人脸的局部特征,并把得到的特征向量作为嵌入隐马尔可夫模型的观察向量,建立了基于DCT域概率主成分分析的嵌入隐马尔可夫人脸识别模型.该模型应用于不同表情和光照下的人脸识别,取得了较好的实验结果.This paper presented that probabilistic principal component analysis （PPCA） can be directly implemented in discrete cosine transform （DCT） domain and the results are exactly same as the one obtained from the spatial domain. PPCA in DCT domain （D-PPCA） can take the advantage of both rapid compres- sion of DCT and soft dimension reduction of PPCA to extract and describe the local facial features robust- ly. Then D-PPCA is adopted to extract facial feature vectors as the observation vectors fed into embedded hidden Markov model （EHMM） and build the D-PPCA＋EHMM model for face recognition. The proposed model is performed extensively on pose-invariant and illumination-invariant face recognition, and achieves better recognition performance than other methods.

关 键 词：人脸识别 正交余弦变换 概率主成分分析 嵌入隐马尔可夫模型 特征脸 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]