一种结合2DLPP与2DPCA的人脸识别方法  

Face Recognition Method Combining 2DLPP with 2DPCA

作　　者：齐永锋[1,2] 火元莲[3] 

机构地区：[1]西北师范大学数学与信息科学学院,甘肃兰州730070 [2]西南交通大学信号与信息处理四川省重点实验室,四川成都610031 [3]西北师范大学物理与电子工程学院,甘肃兰州730070

出　　处：《西南交通大学学报》2011年第6期910-916,共7页Journal of Southwest Jiaotong University

基　　金：高等学校博士学科点专项科研基金资助项目(20090184110008);西北师范大学青年教师科研能力提升计划项目(NWNU-LJQN-10-4)资金的资助

摘　　要：为解决二维局部保持投影(2DLPP)需要较多数据表示人脸特征的缺陷,提出了一种新的二维局部保持投影主成分分析方法(2DLPP-PCA).通过对人脸图像在行、列方向同时进行2DLPP和2DPCA投影,2DLPP-PCA不仅能减少保存人脸特征所需要的数据量,而且能有效地提取人脸的局部特征和全局特征.在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,2DLPP-PCA是一种高性能的特征提取方法,当训练样本数为6时,2DLPP-PCA在ORL数据库上的最佳平均识别率达到99%以上.In order to overcome the limitation that two-dimensional locality preserving projection （2DLPP） needs more data to represent face features, a new method, named two-dimensional locality preserving projection-principal component analysis （2DLPP-PCA） , was proposed. By simultaneously considering 2DLPP and 2DPCA, the 2DLPP-PCA can not only reduce the data needed in preserving face features, but also effectively extract the local structure information from 2DLPP and the global structure information from 2DPCA. The experiments on the ORL, Yale and CAS-PEAL-R1 face databases indicate that the 2DLPP-PCA is a high-performance method for face feature extraction, with the best average recognition rate higher than 99% when the number of training samples on the ORL face database is 6.

关 键 词：二维局部保持投影(2DLPP) 二维主成分分析(2DPCA) 特征提取 人脸识别 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]