一种快速张量分解算法及其在人脸识别中的应用  

A fast tensor decomposition method and its application to face recognition

作　　者：王雅峰[1,2] 丁彦蕊 

机构地区：[1]江南大学,江苏无锡214122 [2]盐城机电高等职业技术学校,江苏盐城224000

出　　处：《电子设计工程》2013年第19期30-32,35,共4页Electronic Design Engineering

摘　　要：基于张量代数的人脸识别技术对姿态、光照和表情的变化具有很好的鲁棒性。本文在高阶奇异值分解的基础上,提出了一种基于特征空间的快速张量分解算法。首先使用传统的子空间学习方法对观测图像进行降维,然后在低维的特征空间对训练数据进行张量分解。通过在Weizmann人脸数据库上进行人脸识别实验,验证了本文方法的有效性。Tensor-base face recognition algorithms are robust to pose, expression and illumination variations. In this paper, a fast tensor decomposition algorithm based on the Higher Order Singular Value Decomposition （HOSVD） is proposed. The proposed algorithm first projects the observation vectors to a low dimensional feature space by using conventional subspace analysis algorithms and then apply the HOSVD to the feature level observations. Experimental results on Weizmann face database validate the superior of the proposed algorithm.

关 键 词：张量代数 张量脸 高阶奇异值分解 人脸识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]