基于类内均值的双投影2DPCA人脸识别方法

• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 人脸识别 特征提取 双投影 类内均值
• 年，卷（期）: 2009,（10）
• 所属期刊栏目: 可视化仿真技术
• 页码范围: 248-251
• 页数: 4页
• 分类号: TP391
• 字数: 4231字
• 语种: 中文

摘要

在人脸识别问题中,如何提取具有鲁棒性的人脸特征和降低特征维数是两个关键.根据二维主成分分析方法直接利用二维图像来构建方差矩阵的优点,引入了类内均值的思想,首先计算每类训练样本的类内平均脸,并用它对各类样本进行规范化处理,有效扩大了类间样本的差别,缩小了类内样本的差别,进行协方差矩阵的计算并提取最优投影特征向量进行人脸图像的特征提取,通过在水平和垂直两个方向上顺序执行两次提取和投影的操作,极大压缩了特征的维数,克服了传统二维主成分算法的不足.在人脸库ORL和Yale的试验对比结果表明,方法对光照与表情变化有较好的鲁棒性,能实现较高的识别率,因此在实际中具有一定的应用意义.