人脸识别中基于核的子空间鉴别分析

摘要：

尽管基于Fisher准则的线性鉴别分析被公认为特征抽取的有效方法之一,并被成功地用于人脸识别,但是由于光照变化、人脸表情和姿势变化,实际上的人脸图像分布是十分复杂的,因此,抽取非线性鉴别特征显得十分必要.为了能利用非线性鉴别特征进行人脸识别,提出了一种基于核的子空间鉴别分析方法.该方法首先利用核函数技术将原始样本隐式地映射到高维(甚至无穷维)特征空间;然后在高维特征空间里,利用再生核理论来建立基于广义Fisher准则的两个等价模型;最后利用正交补空间方法求得最优鉴别矢量来进行人脸识别.在ORL和NUST603两个人脸数据库上,对该方法进行了鉴别性能实验,得到了识别率分别为94%和99.58%的实验结果,这表明该方法与核组合方法的识别结果相当,且明显优于KPCA和Kernel fisherfaces方法的识别结果.

关键词：Fisher线性鉴别分析、核函数、正交补空间、人脸识别

所属期刊栏目：11

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金60472060;60473039;60503026;江苏省自然科学基金05KJD520036

在线出版日期：2006-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1242-1248