基于小样本高维特征的人脸自动识别算法研究

摘要：

特征提取对人脸识别十分重要,传统典型相关分析算法(CCA)存在无法描述人脸图像的小样本、高维特征的缺陷.为了提高人脸识别精度,提出一种专门针对小样本、高维特征的人脸自动识别算法(SpCCA).首先分别提取人脸全局特征和局部特征,并采用CCA对特征进行融合,消除特征间冗余信息,降低特征维数;然后通过划分子模型,避免人脸识别存在小样本、非线性问题,并以简单投票进行结果矫正,提高模型稳定性;最后在AR与Yale两个人脸数据集上对SpCCA算法性能进行测试.仿真结果表明,SpCCA解决了典型相关分析算法存在的不足,提高了人脸识别的精度.

关键词：人脸识别、典型相关分析、子模型、融合特征

所属期刊栏目：41

分类号：TP357(计算技术、计算机技术)

资助基金：国家自然科学基金重点实验室基金项目9140C260303120C2601

在线出版日期：2014-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：314-316