核主成分分析与典型相关分析相融合的人脸识别

• 作者: 姜真杰 金益
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 人脸识别 典型相关分析 核主成分分析 子模型 特征融合
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 191-193,270
• 页数: 4页
• 分类号: TP391
• 字数: 3494字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.01.050

摘要

人脸识别具有小样本、高维等特性。典型相关分析算法（CCA）无法准确提取人脸识别特征，不能准确刻画人脸图像的局部变化，导致人脸识别率低。为提高人脸识别率，提出一种核主成分分析与典型相关分析相融合的人脸识别算法（KPCA-CCA）。首先将人脸图像划分多个子模块，然后提取局部特征，同时采用KPCA提取全局特征，并采用CCA将两种特征进行融合，降低特征向量的维数，最后采用子模式进行人脸识别，以投票方式确定人脸的类别。采用AR与Yale数据集对KPCA-CC性能进行测试，仿真结果表明，相对于对比模型，KPCA-CCA提高了人脸识别的识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金益	苏州市职业大学计算机工程系	25	34	3.0	4.0
2	姜真杰	苏州市职业大学计算机工程系	17	16	2.0	3.0