一种半监督人脸数据可分性特征提取方法

• 作者: 刘敬 刘逸 刘鑫磊
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 人脸识别 特征提取 稀疏概念编码 线性判别分析
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1648-1654
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.07.021

摘要

针对人脸数据维数高,可分性差的问题,提出一种半监督人脸数据可分性特征提取方法——SCC-LDA.SCC-LDA先采用稀疏概念编码(Sparse Concept Coding,SCC)进行非监督特征提取,以获取保留人脸数据固有空间几何结构的低维稀疏表达;然后采用线性判别分析(Linear Discriminant Analysis,LDA)在SCC子空间进行有监督特征提取,进一步提取数据的可分性特征并降维.采用K近邻(K-Nearest Neighbor,KNN)分类器和最小距离(Minimum Distance,MD)分类器验证特征提取的有效性.基于ORL和Yale数据的实验结果表明,相比SCC子空间法和LDA子空间法,SCC-LDA子空间法可显著提高识别率,并可加快人脸识别速度.