基于主成分分析的超声人脸识别算法研究

• 作者: 曹本希 杨军 王婧瑶 许勇
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 主成分分析 一维距离像 K近邻分类器 感知器算法 超声人脸识别
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 智能技术
• 页码范围: 2867-2871
• 页数: 5页
• 分类号: TP391
• 字数: 4471字
• 语种: 中文

摘要

针对超声波探测人脸识别系统中多通道探测模式,从数据融合的角度对特征进行了优化,研究了基于主成分分析(principal components analysis,PCA)的数据降维和人脸特征提取算法.利用该算法对100人的自由表情样本进行特征提取,在保证识别率超过80％前提下,可显著降低特征向量的维数达80％以上,提高系统速度85％以上.实验结果表明,PCA算法能有效降低特征数据的维数,提高运算速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨军	中国科学院声学研究所噪声与振动重点实验室	261	3449	28.0	51.0
2	许勇	中国科学院声学研究所通信声学实验室	16	74	5.0	8.0
3	王婧瑶	中国科学院声学研究所通信声学实验室	1	18	1.0	1.0
4	曹本希	中国科学院声学研究所噪声与振动重点实验室	1	18	1.0	1.0