改进的线性判别回归分类人脸识别算法.pdfVIP

2014年 1O月 皖 西 学 院学 报 Oct．，2014 第 30卷第 5期 JournalofWestAnhuiUniversity Vo1．30 No．5 改进的线性判别回归分类人脸识别算法 曾贤灏 ，石全民 (1．兰州工业学院电子信息工程学院，甘肃 兰州 730050；2．兰州工业学院软件工程学院，甘肃 兰州 730O50) 摘 要：对线性回归分类算法进行 了改进。考虑了线性回归分类算法中没有考虑的类间信息，通过选择类模式的投影方向 判别不同类的模式，不同类的模式互相远离，相同类的模式尽可能靠近来估计投影矩阵；再利用投影矩阵将训练图像及测试图像 投影到各类 的特征子空间；最后 ，计算 出测试 图像与训练 图像 间的距离，利用 K一近邻分类器完成人脸的识别 。在 FERET人脸数 据库上进行实验验证。实验结果表明，相比其他回归分类算法，本算法取得了更好的识别效果。 关键词 ：人脸识别 ；线性判别 ；线性 回归分类 ；K_近邻分类器 中图分类号：TP391．41 文献标识码：A 文章编号：1。09—9735(2014)O5一o028一O3 人脸 自动识别系统通常使用人脸图像来识别特 Wi— L叫 ，…，训 ，…， J∈R (1) 定的身份，已广泛地应用于生物特征认证的人机交互 式中， 为第 i个类的训练图像个数。每个向量是一 中，如视频监控和访问控制等l1]。 个大小为L×1的列向量，在训练阶段第 i类 由向量 线 性 回 归 分 类 算 法 (Linear Regression 空间 表示，称为每个对象的预测器 。 Classification，LRC)口]假设指定类的人脸 图像属于 如果 属于第i类，它可由第 i类训练图像的一 一 个线性子空间，利用最d,Z-乘法估算 回归系数，由 个线性组合表示： 原始向量和投影向量问的最小距离决定最终判别值。 ．y===W + e，i一 1，2，… ，N (2) 文献[4]提 出了鲁棒线性 回归分类算法 (Robust 式中， ∈Rpl是回归参数的向量， 是误差 向量。 LinearRegressionClassification，RLRC)，使用鲁棒 线性回归的目标是找到最小的 ，即： 胡贝尔估计 (RobustHuberEstimation，RHE)计算 一 argm inllw 一 lll，i一1，2，…，N (3) 回归参数，解决了不同光照条件和像素腐蚀情况下人 — 脸识别的鲁棒性 问题 。文献[5]对主成分 回归分类 回归参数向量 (Improved Principal Component Regression， === (w 、W )1w (4) IPCRC)算法进行了改进，克服了LRC中多重共线性 使用参数估计 压和预i贝0器 计算第 i类预测 问题，在主成分分析之前忽略每张图像的均值，且丢 响应向量Y： ～ 掉前n个主成分，以这个投影系数执行线性 回归分类 ～ y 一 w ，i===1，2，… ，N (5) 算法 。 式 (4)代人式(5)，得： 本文将