基于SVD的两步人脸识别方法

• 作者: 张登银 马园园
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 奇异值分解 人脸识别 奇异值向量 矩阵相似度 两步识别 特征提取
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 95-99
• 页数: 5页
• 分类号: TP391.41
• 字数: 3604字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.01.020

摘要

常规方法使用奇异值分解进行人脸识别时,多以奇异值向量作为区分特征,没有充分利用奇异值分解获得的有效信息,识别效果并不理想.为了进一步提高识别精度,提出一种基于奇异值向量识别与矩阵相似度判别相结合的两步人脸识别方法.第一步,将图像划分成块,求得图像整体和局部分块的奇异值向量,把整体与局部的奇异值向量按照一定顺序组合后作为识别特征进行人脸的初步识别,获得候选人脸集;第二步,求候选人脸与待测人脸整体正交矩阵的相似程度,以此为识别特征进一步精确识别获得最佳决策脸.为了验证该方法的有效性,利用ORL人脸数据库进行了两组分析对比实验.实验结果表明,该方法在识别率上明显优于常规方法,且无需使用太多训练样本就能达到很理想的识别精度,具有很大的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张登银	南京邮电大学通信与信息工程学院	149	1143	16.0	26.0
2	马园园	南京邮电大学通信与信息工程学院	1	4	1.0	1.0