张量正交局部敏感判别式分析及其在人脸识别中的应用.PDFVIP

第２７卷　第６期 信 号 处 理 Ｖｏｌ．２７．　Ｎｏ．６ ２０１１年６月 ＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ｊｕｎ．２０１１ 张量正交局部敏感判别式分析及其 在人脸识别中的应用 金　一　 王移芝　 阮秋琦　 （北京交通大学计算机与信息技术学院，北京，１０００４４） 摘　要：针对人脸识别的特征提取问题，本文提出了一种张量正交局部敏感判别分析（ＴｅｎｓｏｒｂａｓｅｄＯｒｔｈｏｇｏｎａｌＬｏｃａｌｉｔｙ ＳｅｎｓｉｔｉｖｅＤｉｓｃｒｉｍｉｎａｎｔＡｎａｌｙｓｉｓ，ＴｅｎｓｏｒＯＬＳＤＡ）的人脸识别算法。张量正交局部敏感判别分析在保持了流形的局部几何结构的 同时加强了全局判别结构，并克服了局部敏感判别分析算法中非正交性带来的度量失真和维数估计困难等问题，从而增强 了数据的可分性，提高了识别效果。张量正交局部敏感判别分析首先将人脸数据表示成高阶张量形式，在进行特征提取时 将高阶张量数据沿不同阶展开，再利用特征根之间的正交性约束条件，求解正交局部敏感判别式分析特征子空间，最后将 高阶人脸数据投影于这个特征子空间，进行识别。在ＡＴ＆Ｔ和ＹａｌｅＢ人脸库上的实验结果表明，ＴｅｎｓｏｒＯＬＳＤＡ具有良好的 分类性能，能获得较为理想的识别结果。 关键词：人脸识别；特征提取；流形学习；张量分析 中图分类号：ＴＰ３９１　　文献标识码：Ａ　　文章编号：１００３－０５３０（２０１１）０６－０８２０－０８ ＴｅｎｓｏｒｂａｓｅｄＯｒｔｈｏｇｏｎａｌＬｏｃａｌｉｔｙＳｅｎｓｉｔｉｖｅＤｉｓｃｒｉｍｉｎａｎｔＡｎａｌｙｓｉｓ ａｎｄｉｔｓＡｐｐｌｉｃａｔｉｏｎｏｎＦａｃｅＲｅｃｏｇｎｉｔｉｏｎ ＪＩＮＹｉ　ＷＡＮＧＹｉｚｈｉ　ＲＵＡＮＱｉｕｑｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００４４，Ｐ．Ｒ．Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｏｖｅｌａｐｐｅａｒａｎｃｅｂａｓｅｄｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｃａｌｌｅｄＴｅｎｓｏｒｂａｓｅｄＯｒｔｈｏｇｏｎａｌＬｏｃａｌｉｔｙＳｅｎｓｉｔｉｖｅ ＤｉｓｃｒｉｍｉｎａｎｔＡｎａｌｙｓｉｓ（ＴｅｎｓｏｒＯＬＳＤＡ）ｉｓｐｒｅｓｅｎｔｅｄｆｏｒｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｐｒｏｂｌｅｍｉｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ．ＴｅｎｓｏｒＯＬＳＤＡｐｒｅｓｅｒｖｅｓｔｈｅｉｎ ｔｒｉｎｓｉｃｌｏｃａｌｍａｎｉｆｏｌｄｓｔｒｕｃｔｕｒｅａｎｄｔｈｅｇｅｏｍｅｔｒｉｃａｌｉｎｆｏｒｍａｔｉｏｎａｓｗｅｌｌａｓｓｔｒｅｎｇｔｈｅｎｓｔｈｅｄｉｓｃｒｉｍｉｎａｎｔｐｏｗｅｒ．Ａｎｄｉｔａｌｓｏｏｖｅｒｃｏｍｅｓｔｈｅ Ｍｅｔｒｉｃｄｉｓｔｏｒｔｉｏｎｄｕｅｔｏｔｈｅｎｏｎｏｒｔｈｏｇｏｎａｌｉｔｙ，ｗｈｉｃｈｄｉｓｔｏｒｔｓｔｈｅｌｏｃａｌｇｅｏｍｅｔｒｉｃａｌｓｔｒｕｃｔｕｒｅｏｆｔｈｅｄａｔａｓｕｂｍａｎｉｆｏｌｄ，ａｎｄｒｅｄｕｃｅｓｔｈｅ ｄｉｆｆｉｃｕｌｔｙｆｏｒｄｉｍｅｎｓｉｏｎｅｓｔｉｍａｔｉｏｎ，ｔｈｅｒｅｆｏｒｅ，ｉｍｐｒｏｖｅｓｔｈｅｓｅｐａｒａｂｉｌｉｔｙｏｆｆａｃｅｄａｔａａｎｄｇｉｖｅｓａｂｅｔｔｅｒｒｅｃｏｇｎｉｔｉｏｎｒｅｓｕｌｔ．Ｗｉｔｈｈｉｇｈｏｒ ｄｅｒｔｅｎｓｏｒｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｔｈｅｆａｃｅｄａｔａ，ｔｈｅｅｘｔｒａｃｔｉｏｎｉｓｍａｄｅａｌｏｎｇｅａｃｈｏｒｄｅｒｏｆｔｈｅｕｎｆｏｌｄｄａｔａａｎｄｔｈｅｆｅａｔｕｒｅｓｕｂｓｐａｃｅｉｓｏｂｔａｉｎｅｄ ｂｙＯＬＳＤＡｗｉｔｈｏｒｔｈｏｇｏｎａｌｃｏｎｓｔｒａｉｎｔｓ．Ａｔｌａｓｔ，ｔｈｅｏｒｉｇｉｎａｌｆａｃｅｄａｔａｉｓｐｒｏｊｅｃｔｅｄｏｎｔｏｔｈｉｓｆｅａｔｕｒｅｓｕｂｓｐａｃｅｆｏｒｒｅｃｏｇｎｉｔｉｏｎ．Ｅｘｐｅｒｉ ｍｅｎｔｓｂａｓｅｄｏｎｔｈｅＡＴ＆Ｔ