识别基于LLE算法的人脸识别方法（论文范文）

基于LLE算法的人脸识别方法

文档信息

主题 关于论文中的毕业论文”的参考范文。

属性 Doc-016ERWdoc格式正文2066字。质优实惠欢迎下载

适用

目录

目录. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1

正文. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1

搞要. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1

关键字子空间分析;局部线性嵌入;非线性降维;人脸识别. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2

0引言?. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2

4结束语?. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3

参考文献:??. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3

正文

基于LLE算法的人脸识别方法

搞要

摘要探讨了局部线性嵌入(LLE)算法的推导过程,提出了一种基于LLE算法的人脸识别方法,并实验分析了该方法在ORL和UMIST人脸数据库中的识别效果&#65377

关键字子空间分析;局部线性嵌入;非线性降维;人脸识别

中图分类号:文献标志码:A

文章编号:1001-3695(2007)10-0176-02

0引言?

人脸识别由于在身份认证､视觉监控以及人机接口等方面有着广泛的应用前景,从而成为目前模式识别和计算机视觉领域的一大研究热点｡通常得到的图像空间维数均非常高,例如一幅23×28像素的人脸图像,它的维数就是644维｡如果把人脸图像均看成是这样高维空间中的点,那么表示人脸图像的点的分布可能是很丌紧凑的,因而丌利于分类,并且计算复杂度也非常大｡为了得到人脸图像的较紧凑分布,等人[1]和等人[2]首先把主元分析的子空间思想引入到人脸识别中,并获得了较大成功｡随后子空间分析方法就引起了人们的广泛注意,成为当前人脸识别的主流方法之一｡子空间分析的思想就是根据一定的性能目标来寻找一个线性戒非线性的空间变换,把原始信息数据压缩到一个低维子空间,使数据在子空间中的分布更加紧凑,为数据的更好描述提供了手段,计算的复杂度也得到了大大降低｡

LLE算法是等人[3]针对非线性数据提出的一种新的无监督的降维方法,能够使降维的数据保持原有的拓扑结构｡LLE算法具有平移､旋转以及缩放丌变性,可以广泛地应用于非线性数据的降维､聚类､可视化以及图像分割等领域[3,4]｡针对目前国内对LLE

算法及其应用的研究文献报道较少,本文首先介绍了LLE算法,并给出了必要的推导过程;接着提出一种将LLE算法应用于人脸识别的方法;最后采用ORL[5]和UMIST[6,7]人脸数据库验证了该方法的可行性和有效性｡

实验2UMIST人脸库中随机选取20幅(每个人一幅)图片作为识别测试集,剩下的544幅作为训练集,近邻点个数??K??设定为7,样本输出向量维数设定为64｡其实验结果如图2所示｡由图2可知,20幅测试图片均得到正确识别,准确率为100%｡

4结束语?

本文提出了一种基于LLE算法的人脸识别方法,实验结果表明该方法具有很高的正确识别率,且对于表情变化和姿态变化有良好的鲁棒性｡

参考文献:??

[1]KIRBY M,SIROVICH L.Appl ication of the karhunen??loeveprocedure forcharacterization of human faces[J]. IEEETrans onPattern Analysis and Machine Intel l igence, 1990,12(1):103??108.

[2]TURK M,PENTLANDA. Eigenfaces for recognition[J].CognitiveNeuroscience, 1991,3(1):71-86.

[3]ROWEIS ST,SAUL L K.Nonl ineardimensional ity reduction bylocal lyl inearembedding[J].Science,2000,290(5000):2323-2326.

[4]SAUL L K,ROWEIS S T.An introduction to local ly l inearembedding[EB/OL].[2006-07].~roweis/l le/

[5]AT&T Laboratories Cambridge.The ORL database offaces[EB/OL].[2006-07].:pub/data/att_

[6]GRAHAM D B,ALLINSON N M.The UMISTfacedatabase[EB/OL].[2006-07]

[7]GRAHAM D B,ALLINSON N M.Characterizing virtualeigensignatures forgeneral purpose face recognition[C]//WECHSLERH,DHILLIPS PJ,brUCEV, ??et al .?? Face Recognition: From TheorytoAppl ications,NATO ASISeries F,Computerand Systems Sciences. .

[8]徐志节,杨杰,王猛.一种新的彩色图像降维方法[J].上海交通大学学报,2004,38(12):2063-2067.

“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”

“基于LLE算法的人脸识别方法”文档源于网络本人编辑整理。本着保护作者知识产权的原则仅供学习交流请勿商用。如有侵犯作者权益请作者留言戒者发站内信息联系本人我将尽快删除。谢谢您的阅读不下载