首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于奇异值分解和判别式KL投影的人脸识别
引用本文:周德龙,高文,赵德斌.基于奇异值分解和判别式KL投影的人脸识别[J].软件学报,2003,14(4):783-789.
作者姓名:周德龙  高文  赵德斌
作者单位:1. 中国科学院,研究生院,北京,100039
2. 中国科学院,研究生院,北京,100039;中国科学院,计算技术研究所,北京,100080;哈尔滨工业大学,计算机科学与工程系,黑龙江,哈尔滨,150001
3. 中国科学院,研究生院,北京,100039;哈尔滨工业大学,计算机科学与工程系,黑龙江,哈尔滨,150001
基金项目:Supported by the National High-Tech Research and Development Plan of China under Grant No.2001AA114190 (国家高技术研究发展计划(863)
摘    要:人脸识别是计算机视觉和模式识别领域的一个活跃课题,有着十分广泛的应用前景.提出了一种新的彩色人脸识别方法.该算法采用模拟K-L变换、奇异值分解、主分量分析和Fisher线性判别分析技术来提取最终特征,可以使分类器的设计更加简洁、有效,使用较少的特征向量数目就能取得较高的识别率.仿真结果表明了该方法的有效性.

关 键 词:人脸识别  特征提取  K-L变换  奇异值特征向量  主分量分析  Fisher线性判别分析
收稿时间:8/8/2001 12:00:00 AM
修稿时间:2001年8月8日

Face Recognition Based on Singular Value Decomposition and Discriminant KL Projection
ZHOU De-Long,GAO Wen and ZHAO De-Bin.Face Recognition Based on Singular Value Decomposition and Discriminant KL Projection[J].Journal of Software,2003,14(4):783-789.
Authors:ZHOU De-Long  GAO Wen and ZHAO De-Bin
Abstract:The face recognition is an active subject in the fields of computer vision and pattern recognition, which has a wide range of potential applications. In this paper, a method for color face recognition is presented, this algorithm extracts the final features by utilizing the techniques of the simulative K-L transform, the singular value decomposition, the principal component analysis and the Fisher linear discriminant analysis. Classifier in this algorithm can be simplified to make it more compact and effective, and higher correct recognition rate can be gained using less number of feature vectors. The effectiveness of the approach is experimentally demonstrated.
Keywords:face recognition  feature extraction  K-L transform  singular value feature vector  principal component analysis  Fisher linear discriminant analysis
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《软件学报》浏览原始摘要信息
点击此处可从《软件学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号