基于改进的NMF人脸识别算法研究  

Research on Human Face Recognition Based on Improved NMF Algorithm

作　　者：李冰锋[1,2,3] 唐延东[1] 韩志[1] 

机构地区：[1]中国科学院沈阳自动化研究所,辽宁沈阳110016 [2]河南理工大学电气工程与自动化学院,河南焦作454000 [3]中国科学院大学,北京100049

出　　处：《计算机仿真》2016年第3期428-432,共5页Computer Simulation

基　　金：国家自然科学基金(61303168)

摘　　要：研究人脸识别是为了提高身份识别的明确性,具有直接、友好、方便等优点。但传统的基于PCA的人脸识别算法易受光照、表情、姿态等因素的干扰,从而导致其识别率的下降;鉴于此,提出了改进的NMF(非负矩阵分解)人脸图像识别算法。通过在NMF算法嵌入基于多超图的流形学习算法,可以在人脸图像的降维过程中最优地保持各图像间的流形信息,从而实现人脸识别算法对光照、表情、姿态等因素的鲁棒性。另外,为降低运算成本,提出了在测试阶段采用增量式的迭代求解算法。在人脸数据库ORL、YALE上进行试验的结果表明,文中提出的算法具有更高的识别率。In the paper, an improved non-negative matrix factorization （NMF） face image recognition algorithm was proposed. From the integration NMF algorithm with multiple hypergraph manifold learning algorithm, we can op- timally maintain the face image manifold information during the dimension reduction process and make the improved algorithm robust to illumination, facial expression and human pose. In addition, an incremental iterative algorithm was proposed to reduce the computation cost. The experiment results based on ORL and YALE show that the proposed algorithm has higher recognition rate.

关 键 词：非负矩阵分解 超图 流形学习 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]