留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于子空间分析的人脸识别方法研究

葛微 程宇奇 刘春香 陈秋萍

葛微, 程宇奇, 刘春香, 陈秋萍. 基于子空间分析的人脸识别方法研究[J]. 中国光学, 2009, 2(5): 377-387.
引用本文: 葛微, 程宇奇, 刘春香, 陈秋萍. 基于子空间分析的人脸识别方法研究[J]. 中国光学, 2009, 2(5): 377-387.
GE Wei, CHENG Yu-qi, LIU Chun-xiang, Chen Qiu-ping. Research of face recognition methods based on subspace analysis[J]. Chinese Optics, 2009, 2(5): 377-387.
Citation: GE Wei, CHENG Yu-qi, LIU Chun-xiang, Chen Qiu-ping. Research of face recognition methods based on subspace analysis[J]. Chinese Optics, 2009, 2(5): 377-387.

基于子空间分析的人脸识别方法研究

详细信息
    通讯作者: 葛微
  • 中图分类号: TP391.4

Research of face recognition methods based on subspace analysis

More Information
    Corresponding author: GE Wei
计量
  • 文章访问数:  3868
  • HTML全文浏览量:  87
  • PDF下载量:  4117
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-07-14
  • 修回日期:  2009-08-17
  • 刊出日期:  2009-10-20

基于子空间分析的人脸识别方法研究

    通讯作者: 葛微
  • 中图分类号: TP391.4

摘要: 人脸识别技术是模式识别和机器视觉领域的一个重要研究方向,在众多人脸识别的算法中,基于子空间分析的特征提取方法以其稳定可靠的识别效果成为了人脸识别中特征提取的主流方法之一。本文对目前应用较多的子空间分析方法进行了研究,具体介绍了线性子空间分析方法:主成分分析(PCA)、线性鉴别分析(LDA)、独立主成分分析(ICA)、快速主成分分析(FastICA)等及非线性子空间分析方法:基于核的PCA (KPCA)等的基本思想及其在人脸识别中的研究进展,包括一些新的研究成果。此外,还应用orl及Yale B人脸库对几个基础的子空间方法进行了验证实验。实验结果表明,在几个子空间分析方法中,FastICA算法取得了最高的识别率。最后结合实验结果对各算法的优缺点进行了分析总结。

English Abstract

葛微, 程宇奇, 刘春香, 陈秋萍. 基于子空间分析的人脸识别方法研究[J]. 中国光学, 2009, 2(5): 377-387.
引用本文: 葛微, 程宇奇, 刘春香, 陈秋萍. 基于子空间分析的人脸识别方法研究[J]. 中国光学, 2009, 2(5): 377-387.
GE Wei, CHENG Yu-qi, LIU Chun-xiang, Chen Qiu-ping. Research of face recognition methods based on subspace analysis[J]. Chinese Optics, 2009, 2(5): 377-387.
Citation: GE Wei, CHENG Yu-qi, LIU Chun-xiang, Chen Qiu-ping. Research of face recognition methods based on subspace analysis[J]. Chinese Optics, 2009, 2(5): 377-387.

目录

    /

    返回文章
    返回