训练样本类内局部调整的人脸识别方法

• 作者: 吴小俊 曹俊峰 陈素根
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 人脸识别 主成分分析 二维主成分分析 虚拟样本 特征提取
• 年，卷（期）: 2015,（1）
• 页码范围: 132-138
• 页数: 7页
• 分类号: TP181
• 字数: 3897字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2015.01.019

摘要

针对PCA和2DPCA人脸识别方法在特征提取过程中仅考虑总体散度而忽视类内散度的问题，提出了一种基于训练样本类内局部调整的人脸识别方法。首先，对每一类训练样本利用线性插值方法生成类内虚拟样本作为新的训练样本；其次，对新的训练样本和测试样本利用 PCA 或2DPCA 方法提取特征；最后，用最近邻分类器进行识别分类。在 ORL、YALE、XM2VTS人脸数据库上验证，实验结果说明本文算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴小俊	江南大学物联网工程学院	170	1079	17.0	22.0
2	陈素根	江南大学物联网工程学院	32	101	6.0	9.0
4	曹俊峰	江南大学物联网工程学院	8	12	3.0	3.0