基于KPCA+CCA的人脸性别分类

• 作者: 张天刚 张景安
• 来源期刊: 软件
• 学科: 工学
• 关键词: 性别分类 核方法 主分量分析 最近邻特征分类器
• 年，卷（期）: 2011,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 54-56,60
• 分类号: TP391.41
• 字数: 2750字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2011.07.012

摘要

KPCA+CCA 方法在人脸特征的提取、分类和分析中的有效性已受到有关研究人员的重视,用该法可从一张原始灰度人脸图像中直接识别出一个人的性别.将核方法引入到主分量分析中,由于CCA(Canonical Correlation Analysis) 用到了KPCA(Kernel Principal Component Analysis) 变换后样本的全部核主分量,在分析中没有丢失任何鉴别信息,因而在不同光照、表情、姿态和脸部细节的原始灰度人脸图像中鲁棒性更高.在ORL 人脸数据库中用基于核的最近邻特征分类器进行实验,取得了96% 的平均准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张天刚	山西大同大学数学与计算机科学学院	13	38	4.0	5.0
2	张景安	山西大同大学数学与计算机科学学院	47	287	10.0	15.0