基于2DLDA与SVM的人脸识别算法

• 作者: 何思斌 甘俊英
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 小波变换 二维线性鉴别分析 支持向量机 人脸识别
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 图形图像处理
• 页码范围: 1927-1929
• 页数: 3页
• 分类号: TP391
• 字数: 2928字
• 语种: 中文

摘要

二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的"小样本"效应,支持向量机(SVM)具有结构风险最小化的特点,将两者结合起来用于人脸识别.首先,利用小波变换获取人脸图像的低频分量,忽略高频分量;然后,用2DLDA算法提取人脸图像低频分量的线性鉴别特征,用"一对多"的SVM多类分类算法完成人脸识别.基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘俊英	五邑大学信息学院	82	871	14.0	26.0
2	何思斌	五邑大学信息学院	4	36	2.0	4.0