English

应用科学学报 ›› 2006, Vol. 24 ›› Issue (3): 227-231.

• 论文 • 上一篇    下一篇

核最近特征分类器及人脸识别应用

贺云辉, 赵力, 邹采荣   

  1. 东南大学无线电工程系, 江苏南京 210096
  • 收稿日期:2005-02-28 修回日期:2005-05-25 出版日期:2006-05-31 发布日期:2006-05-31
  • 作者简介:贺云辉,博士生,研究方向:图像信号处理,E-mail:heyunhui@seu.edu.cn;赵力,教授,博导,研究方向:语言信号处理,E-mail:zhaoli@seu.edu.cn;邹采荣,教授,博导,研究方向:数字信号处理,E-mail:cairong@seu.edu.cn

Kernel Nearest Features Classifier for Face Recognition

HE Yun-hui, ZHAO Li, ZOU Cai-rong   

  1. Department of Radio Engineering, Southeast University, Nanjing 210096, China
  • Received:2005-02-28 Revised:2005-05-25 Online:2006-05-31 Published:2006-05-31

PDF

92

被引次数

5

摘要： 将最近特征线(NFL)、特征面(NFP)和特征子空间(NFS)分类方法推广为基于核的NFL、NFP和NFS,其优点是可直接对高维的人脸图像样本进行识别,而无需先抽取人脸图像特征,使在训练样本数较多、特征抽取在计算上难以实现的情况下也能直接识别.其中对KNFS得出了两种计算方法,一是KNFP的直接推广,二是利用核主分量分析构造非线性特征子空间.基于ORL和YALE数据库的实验验证了此方法直接识别高维人脸图像的有效性.

关键词: 人脸识别, 最近特征分类器, 核主分量分析, 核方法

Abstract: Kernel-based nearest feature classifiers are proposed in this paper, which can directly classify original face images and need not extract features beforehand.Besides, two KNFS methods are proposed, one is generalization of KNFP and the other employs KPCA to construct nonlinear feature subspace.Experimental results on ORL and YALE database demonstrate the feasibility of the proposed methods.

Key words: face recognition, nearest feature classifier, kernel PCA, kernel method

中图分类号: