对人脸识别特征数据降维算法的优化
2012-11-04杨玉平
重庆电子工程职业学院学报 2012年1期
杨玉平,向 华
(1.重庆电子工程职业学院,重庆 401331;2.重庆师范大学,重庆401331)
对人脸识别特征数据降维算法的优化
杨玉平1,向 华2
(1.重庆电子工程职业学院,重庆 401331;2.重庆师范大学,重庆401331)
在模式识别领域,人脸特征数据相对庞大,为了提取人脸主要的特征数据,提高识别系统的运行效率,对特征数据的降维是必须的操作。针对现有降维算法对识别率有较大影响的问题,本文总结了各类降维算法,提出了一种优化的降维算法。
人脸识别;降维;人脸特征;人脸识别
1 引言
随着模式识别技术的发展,各种识别系统都有了很大的发展,例如:指纹识别、虹膜识别、人脸识别等。人脸识别以其不易察觉性、自然性等特点得到广泛的应用。相对于其他的识别方式,人脸识别的特征数据量较大,在提取特征数据之后要进行降维,这样可以在一定程度上减少数据量,提高识别系统的运行效率。但如果降的维度过大,会造成一些主要特征数据丢失,使识别系统的识别率降低而达不到要求。现在在降低维度的实验过程中,一般运用多种维度降维,比如提取的特征数据的维度从几十维到上百个维度不等。或者就以实验的方式来提取经验数据,往往在维度降到一定程度之后,如果继续降维就会造成整个识别系统的识别率降低。
2 现有的降维方法
2.1 Karhunen-Loeve 变换
Karhunen-Loeve变换,简称K-L变换,是一种传统的数学领域常用的正交变换。简单来讲就是将K维空间的数据,通过降低数据维度,把数据变成L维空间的数据。……
登录APP查看全文
