马家军

(商洛学院，陕西 商洛　726000)



不相关稀疏保留投影在人脸识别中的应用

马家军

(商洛学院，陕西 商洛726000)

摘要：稀疏保留投影是一种有效的特征提取算法，它虽然能很好地保留样本间的稀疏重构特性，但是得到的特征分量通常具有统计相关性，存在数据冗余。为此，引入不相关约束条件，提出了不相关稀疏保留投影特征提取方法，利用推导出的公式提取不相关判别特征集，进而提高了识别率。在PIE、Extended Yale B和AR人脸库的实验结果表明：该方法有效且稳定，与MLHOSDA、SPP和LPP相比具有更高的正确识别率。

关键词：特征提取；不相关；稀疏保留投影；人脸识别

随着信息自动化和智能化程度的日益提高，信息安全受到了空前的重视，身份识别已成为人们生活中必不可少的安全保障手段。计算机技术和数码技术的发展使得人脸识别技术渐渐取代了传统的身份识别技术[1-3]。基于子空间的学习算法具有理论完善、描述性强、计算代价小、容易实现及鉴别性好等特点，近年来已成为人脸识别的主流方法。基于子空间的人脸识别算法常见的有主成分分析(PCA)[4]、线性判别分析(LDA)[5]、局部保距投影[6]以及非线性的核主成分分析(KPCA)[7]、核线性判别分析(KLDA)[8]等算法。PCA旨在寻找一组投影轴，使得原始的高维图像数据在该投影轴下的投影数据的总体方差最大化，最终使得数据能很好地分开。LDA希望找到一个投影子空间，使得在该子空间中不同类的数据离得更远，而同类的数据离得更近。Foley-Sammon线性鉴别分析(FSLDA)[9]通过对LDA进行改进，使得投影向量两两正交，提高了识别性能。……