基于LLE和SVM的人像识别方法.pdfVIP

第26卷 第1期 吉林大学学报(信息科学版) Vol_26 No．1 2008年1月 Journal of Jilin University(Information Science Edition) Jan．2008 文章编号：1671—5896(2008)01-0048-07 基于LLE和SVM的人像识别方法 郭 锋，刘丽丽，吕 凝 (长春工业大学计算机科学与工程学院，长春130012) 摘要：在人像识别方面，传统的特征提取方法大都是线性的，不能很好地保持样本的拓扑结构。支持向量机 能提高学习的泛化能力，防止过学习，是一种很好的分类器。为此，提出一种增强的LLE(Locally Linear Em— bedding)和SVM(Suppo~Vector Machine)结合的人像识别方法，采用PCA(Principal Component Analysis) 与LLE相结合算法，对光照归一化处理过的人脸图像进行特征提取，利用SVM的分类机制对人脸图像样本集 进行训练和识别。在ORL(Olivetti Research Laboratory)人脸数据库上实验表明，该算法稳健、快速，识别率 达到了90％以上。 关键词：人脸识别；局部线性嵌入；主成分分析法；支持向量机 中图分类号：TN911．73 文献标识码：A Face Recognition Based on LLE and SVM GUO Feng，LIU Li—li，LU Ning (College of Computer Science and Engineering，Changchun University of Technology，Changchun 130012，China) Abstract：For face recognition，most of the traditional methods which reduce the high dimensional data are line— ar．Support vector machine can enhance the generation ability of study，and can overcome the disadvantage of overfitting．The paper proposes a method for face recognition using the enhanced LLE (Locally Linear Embed— ding)and SVM(Support Vector Machine)．After extracting the features of the pre—processing face images using PCA(Principal Component Analysis)and LLE，we train the feature sets and recognize the faces with the classi— fication methods of SVM．Experiment results on ORL(Olivetti Research Laboratory)database demonstrate that the algorithm is effective． Key words：face recognition；locally linear embedding(LLE)；principal component analysis(PCA)；support vector machine(SVM) 引 言 计算机人像识别技术是利用计算机分析人脸图像，进而从中提取有效的识别信息，用来 “辨认” 身份的一门技术H 。人脸识别技术应用背景广泛，可用于多媒体检索、公安系统的罪犯身份识别、银 行及海关监控系统及自动门系统等。 人像识别是个模式识别问题，特征提取是其中非常重要的一环。目前使用较多的特征提取方法有主 成分分析 (PCA：Pri