融合奇异值分解和最大间距准则的人脸识别方法.pdfVIP

164 2011 ，47 （8） Computer Engineering and Applications 计算机工程与应用 融合奇异值分解和最大间距准则的人脸识别方法 王振海 WANG Zhenhai 临沂大学 信息学院，山东临沂 276005 School of Information ，Linyi University ，Linyi ，Shandong 276005 ，China WANG Zhenhai.Face recognition approach based on fusion of singular value decomposition and maximum margin cri- terion.Computer Engineering and Applications ，2011 ，47 （8 ）：164-166. Abstract ：A face recognition method based on singular value decomposition and maximum margin criterion discriminant anal- ysis are proposed.Singular value decomposition is performed on face image matrix ，and some bigger singular values are se- lected to form feature vector.According to maximum margin criterion ，MMC feature matrices of training samples and testing samples are calculated.During fusion period ，using Euclidean distance measure ，the distance of testing sample to all training samples is calculated in both SVD feature set and MMC feature set respectively.Weighted fusion operation is performed on these results that have been gotten above.The nearest distance classification is used to distinguish each testing face sample. The experimental results on ORL face database indicate that the approach is efficient. Key words ：face recognition ；Singular Value Decomposition（SVD）；Maximum Margin Criterion （MMC ） 摘 要：提出了一种融合奇异值分解（SVD）和最大间距准则鉴别分析（MMC ）的人脸识别方法。对人脸图像进行奇异值分解，选 取较大的一组奇异值构成特征向量，对所有训练样本按照最大间距准则鉴别分析算法计算投影矩阵，把人脸图像矩阵在投影矩 阵上投影得到特征矩阵。融合决策阶段，在以上两类特征集中，分别计算待识别样本到所有训练样本的欧氏距离并对得到的两 类结果进行加权融合，最后根据最近距离分类器分类。基于ORL 人脸数据库上的实验结果表明算法的有效性。 关键词：人脸识别；奇异值分解；最大间距准则 DOI ：10.3778/j.issn. 1002-8331.2011.08.048 文章编号：1002-8331（2011 ）08-0164-03 文献标识码：A 中图分类号：TP391.41 人脸识别与其他生物特征识别相比具有非侵犯性、主动、 法的基础上，提出了一种融合奇异值分解（SVD）和最大间距 方便友好等特点，因而有更广阔的应用前景，它已是人工智 准则鉴别分析（MMC ）的人脸识别方法，属于决策层融合。首 能、模式识别等学科的研究热点。目前已有许多用于人脸识 先对人脸图像进行奇异值分解，选取较大的一组奇异值构成 [1-5] 别的方法 。然而，在姿态、表情、光照以及配准误差变化等