FLDA方法在单样本人脸识别中的应用研究

作     者：倪剑虹 王晶 崔玉红 刘永锋 NI Jianhong;WANG Jing;CUI Yuhong;LIU Yongfeng

作者机构：河北体育学院现代教育技术中心河北石家庄050041 石家庄陆军指挥学院信息管理中心河北石家庄050084 

出 版 物：《电视技术》 (Video Engineering)

年 卷 期：2013年第37卷第15期

页      面：181-184页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

主　　题：单训练样本每人 奇异值分解 Fisher线性判别分析 

摘      要：在人脸识别应用中,当每个人有多个训练样本(MSPP)时,Fisher线性判别分析(FLDA)方法可以很好地用于特征提取。然而,当每个人只有一个训练样本(SSPP)时,因为类内散布矩阵为零矩阵,所以FLDA方法将不能使用。为了解决该问题,提出了一种比较新颖的方法来估计类内散布矩阵,借助于奇异值分解(SVD)方法,先将人脸图像分解成两部分,然后分别估计出类内散布矩阵及类间散布矩阵,使FLDA方法能够得到有效的应用。在ORL及Yale上的实验表明了提出的方法比现有的许多方法取得了更好的识别效果。