通用学习框架改进核PCA的单样本人脸识别.PDFVIP

第３２卷第４期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．４ ２０１５年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１５ 通用学习框架改进核ＰＣＡ的单样本人脸识别 １ １，２ ２ 陈　非 　黄　山 　张洪斌 １（四川大学电气信息学院　四川成都６１００６５） ２（四川大学计算机学院　四川成都６１００６５） 摘　要　　针对传统的人脸识别算法在每个人只有单个训练样本时识别性能严重下降的问题，提出了通用学习框架改进核主成分 分析的单样本人脸识别算法。首先，选取一个合适的通用训练样本集，将各个单训练样本与通用训练样本集中某人的多训练样本按 比例叠加；然后，利用经典的ＫＰＣＡ算法进行特征提取，将所有叠加后的训练样本和测试样本投影到特征子空间；最后，使用最近邻 分类器完成最终的人脸识别。在Ｙａｌｅ及ＦＥＲＥＴ两大通用人脸数据库上的实验结果表明，相比其他几种较为先进的人脸识别算法， 该算法取得了更好的单样本识别效果。 关键词　　人脸识别　单样本每人　通用学习框架　最近邻分类器　核主成分分析 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．０４．０３８ ＳＩＮＧＬＥＳＡＭＰＬＥＦＡＣＥＲＥＣＯＧＮＩＴＩＯＮＷＩＴＨＫＥＲＮＥＬＰＣＡ ＯＰＴＩＭＩＳＥＤＢＹＧＥＮＥＲＩＣＬＥＡＲＮＩＮＧＦＲＡＭＥＷＯＲＫ １ １，２ ２ ＣｈｅｎＦｅｉ　ＨｕａｎｇＳｈａｎ 　ＺｈａｎｇＨｏｎｇｂｉｎ １（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ） ２（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆｏｒｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｒｅｃｏｇｎｉｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｄｉｔｉｏｎａｌｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｓｄｅｇｒａｄｅｓｓｅｒｉｏｕｓｌｙｗｈｅｎｅａｃｈｐｅｒｓｏｎ ｈａｓｏｎｌｙｏｎｅｔｒａｉｎｉｎｇｓａｍｐｌｅ，ｗｅｐｒｏｐｏｓｅａｓｉｎｇｌｅｓａｍｐｌｅｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｗｈｉｃｈｕｓｅｓｇｅｎｅｒｉｃｌｅａｒｎｉｎｇｆｒａｍｅｗｏｒｋｔｏｉｍｐｒｏｖｅｋｅｒｎｅｌ ｐｒｉｎｃｉｐｌｅｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＫＰＣＡ）．Ｆｉｒｓｔ，ｉｔｓｅｌｅｃｔｓａｓｕｉｔａｂｌｅｇｅｎｅｒｉｃｔｒａｉｎｉｎｇｓａｍｐｌｅｓｅｔａｎｄｓｕｐｅｒｐｏｓｅｓｅａｃｈｓｉｎｇｌｅｔｒａｉｎｉｎｇｓａｍｐｌｅｏｖｅｒ ｔｈｅｍｕｌｔｉｐｌｅｔｒａｉｎｉｎｇｓａｍｐｌｅｏｆａｃｅｒｔａｉｎｐｅｒｓｏｎｉｎｇｅｎｅｒｉｃｔｒａｉｎｉｎｇｓｅｔｉｎｐｒｏｐｏｒｔｉｏｎ．Ｔｈｅｎ，ｉｔｕｓｅｓｔｙｐｉｃａｌＫＰＣＡｔｏｅｘｔｒａｃｔｔｈｅｆｅａｔｕｒｅｓａｎｄ ｐｒｏｊｅｃｔｓａｌｌｓｕｐｅｒｐｏｓｅｄｔｒａｉｎｉｎｇａｎｄｔｅｓｔｉｎｇｓａｍｐｌｅｓｏｎｔｏｆｅａｔｕｒｅｓｕｂｓｐａｃｅ．Ａｔｌａｓｔ，ｉｔｕｓｅｓｔｈｅｎｅａｒｅｓｔｎｅｉｇｈｂｏｕｒｃｌａｓｓｉｆｉｅｒｔｏｃｏｍｐｌｅｔｅｔｈｅ ｆｉｎａｌｅｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ．ＥｘｐｅｒｉｍｅｎｔｓｒｅｓｕｌｔｓｏｎｔｗｏｐｏｐｕｌａｒｆａｃｅｄａｔａｂａｓｅｓｏｆＹａｌｅａｎｄＦＥＲＥＴｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍａｃｈｉｅｖｅｓｂｅｔｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎｅｆ