一种快速非负矩阵分解的人脸识别算法.pdfVIP

’‘ 下J )平 l昂z 苍 昂 期 ElectronicSci．＆ Tech．／Feb．15．2015 doi：10．16180／j．cnki．issnlO07—7820．2015．02．014 一 种快速非负矩阵分解 的人脸识别算法 郑 颖 (西安电子科技大学 数学与统计学院，陕西 西安 710126) 摘 要 用于人脸识别的非负矩阵分解算法，虽可提高图像识别率，但因其是通过迭代方法同时计算 出基矩阵和 系数矩阵，故当迭代次数较多时，计算过程耗时长。文中将二维线性判别分析方法与非负矩阵分解方法融合，提 出了 一 种快速的双边二维非负矩阵分解算法。通过在 AR、Yale人脸数据库上的实验结果显示，较二维双边非负矩阵分解 算法，文中算法不仅使得训练时间大幅减少，而且识别率也有所提高。 关键词 非负矩阵分解；特征提取；人脸识别 中图分类号 TP391．41 文献标识码 A 文章编号 1007—7820(2015)02—051—04 A RapidNon-negativeM atrixDecompositionM ethodforFaceRecognition ZHENG Ying (SchoolofMathematicsandStatistics，XidianUniversity，Xi’an710126，China) Abstract Facerecognitionalgorithmsthroughnon—negativematrixfactorizationcan increaseimagerecognition rat，butitisaniterativealgorithm whichmustsimultaneouslycalculatesthebasematrixandthecoefficientmatrix， leadingtohighcomputationalcomplexitywith manyiterations．Thispaperintroducesthe2-dimensional lineardis— criminantanalysisintothenon—negativematrixfactorizationalgorithm ，nadproposesafasttwo—dimensional bilateral non—negativematrixfactorizationalgorithm．ExperimentresultsontheAR andtheYalefacedatabaseshow thatthe proposedalgorithm hashigherrecognitionperformanceaswellasamuchfasterspeedthanthetwo--dimensional bilat·· eralnon．negativematrixfactorizationalgorithm． Keywords non—negativematrixfactorization；featureextraction；facerecognition 人脸识别中特征提取方法的研究一直备受关注， (2D)NMF算法，该方法从行列方向共同压缩数据矩 传统的特征提取一般分为两类：基于整体脸的方法 阵，使得压缩后的数据维数更小，包括的数据行列信息 和基于局部特征的方法。整体脸 的方法如 PCA 、 更全面，文中在此基础上还将 图像进行不规则处理，对 2DPCA 等，而基于局部特征的方法中，自1999年 Lee 投影矩阵正交化等，进一步提高识别率。 和 Seung提出非负矩阵分解方法 以来 ，由于整体脸的 线性判别分析是一种有效的降维方法，该方法通 方法对光照、姿态等外部条件比较敏感，而基于局部特 过最大化 Fisher准则，寻找类间散度最大、类 内散度最 征方法更具鲁棒性，能更