典型代数统计的人脸特征提取融合  

Face Feature Extraction Fusion Based on Classical Algebraic Statistics

作　　者：王成[1] 郭飞[2] 赖雄鸣[3] 郑黎晓[1] 

机构地区：[1]华侨大学计算机科学与技术学院,福建厦门361021 [2]西安交通大学电子与信息工程学院计算机系软件与理论研究所,西安710049 [3]华侨大学机电及自动化学院,福建厦门361021

出　　处：《小型微型计算机系统》2014年第7期1662-1666,共5页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(51305142;61103170)资助;华侨大学人才引进科研启动项目(12Y0347)资助

摘　　要：针对人脸识别领域中的经典特征提取算法PCA、LDA、SVD的一些不足,提出一种基于典型代数统计的人脸特征提取的融合算法.该特征提取方法将PCA、LDA、SVD特征有机融合起来,并能通过调整权值系数使组合前不同特征向量的信息贡献比例达到最优,从原理上实现了Fisherface特征和SVD特征在物理意义上的互补.在ORL和Yale人脸数据库上的BP神经网络分类器仿真实验表明,融合算法无论在识别正确率上还是识别效率上均高于传统的PCA、SVD、LDA和经典的Fisher脸特征提取方法.Aiming at shortcomings of classical algorithms of feature extraction（PCA,LDA,SVD） in the area of face recognition,this paper presents a face feature extraction fusion method based on classical algebraic statistics. By adjusting the weighting coefficients before the combination of different feature vectors proportional contribution of information to achieve optimal,this algorithm fusion the merits of PCA,LDA,SVD algorithms in the theory level. Numerical experimental results of BP neural network Classifier on ORL and Yale databases show that this fusion algorithm has faster operational efficiency and higher recognition rates than classical feature extraction algorithms,such as PCA,LDA,SVD and fisherface.

关 键 词：人脸识别 特征提取 PCA LDA SVD FISHER脸 典型代数统计 融合 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]