核主成分分析网络的人脸识别方法

• 作者: 李昊曦 胡伟鹏 胡海峰 顾建权
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 核主成分分析网络 深度学习 人脸识别 核变换
• 年，卷（期）: 2016,（5）
• 页码范围: 48-51,56
• 页数: 5页
• 分类号: TP391.41
• 字数: 2841字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2016.05.009

摘要

主成分分析网络（principal component analysis network，PCANet）是当前流行深度学习模型，在人脸识别、目标识别、纹理分类和手写体数字识别等方面有广泛应用。在 PCANet 方法基础上，该文提出基于核主成分分析网络（kernel principal component analysis network，KPCANet）的人脸识别方法。算法由四部分组成：主成分分析（PCA）、核主成分分析（KPCA）、二值化哈希、分块直方图。在 Extended Yale B 和 AR 两个经典人脸库上的实验结果表明，所提方法在识别性能上优于 PCANet 方法，算法对于不同光照、表情变化下的人脸有更好的识别率和鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡海峰	中山大学电子与信息工程学院	16	173	8.0	13.0
2	胡伟鹏	中山大学电子与信息工程学院	1	11	1.0	1.0
3	顾建权	中山大学电子与信息工程学院	1	11	1.0	1.0
4	李昊曦	中山大学电子与信息工程学院	1	11	1.0	1.0