基于鏡像奇異值分解的單樣本人臉識(shí)別

同時(shí)，為了比較各參考文獻(xiàn)方法和本文方法在不同測(cè)試樣本數(shù)目情況下的穩(wěn)定性[9]，做如下的測(cè)試實(shí)驗(yàn)：在ORL人臉庫(kù)上分別取每個(gè)人的第1,2,3,...，10張圖像作為訓(xùn)練樣本，分10組實(shí)驗(yàn)，同時(shí)在每組實(shí)驗(yàn)中分別以除訓(xùn)練樣本以外的前2,3,4,...，9張圖像作為測(cè)試樣本，計(jì)算每組實(shí)驗(yàn)的平均識(shí)別率，實(shí)驗(yàn)結(jié)果如圖4所示。

2.3 實(shí)驗(yàn)結(jié)果分析
由表1可以看出，在不同的訓(xùn)練樣本條件下，本文提出的方法的識(shí)別效果明顯高于參考文獻(xiàn)中提出的其他幾種方法，這主要是由于加入鏡像信息后可以減小由于姿態(tài)變化對(duì)人臉識(shí)別的影響。從圖3中的實(shí)驗(yàn)數(shù)據(jù)也可以看出SVD+2DPCA和SVD+(2D)2PCA方法在特征維數(shù)增大時(shí)，兩種方法的識(shí)別效果差不多，但是都不如本文所提方法，而且由SVD+(2D)2PCA方法和本文方法的比較曲線可以得知,本文方法識(shí)別率的提高主要是依賴于人臉圖像鏡像信息的加入，而不是僅僅由于(2D)2PCA特征提取方法的選擇。由圖4可知，隨著測(cè)試樣本個(gè)數(shù)的增加，特別是PCA方法的識(shí)別率較低而且其穩(wěn)定性較弱，與SVD+2DPCA以及SVD+(2D)2PCA方法相比，本文所提方法在保證識(shí)別率高于其他方法的同時(shí)，也表現(xiàn)出了較強(qiáng)的穩(wěn)定性。
通過(guò)對(duì)原始人臉圖像增加鏡像圖像來(lái)擴(kuò)充訓(xùn)練人臉樣本數(shù),提出了一種基于鏡像奇異值分解的新方法。實(shí)驗(yàn)表明，與其他單樣本人臉識(shí)別方法相比,本文所提出的方法具有較高的識(shí)別率，在一定程度上克服了由于人臉姿態(tài)的變化對(duì)識(shí)別結(jié)果的影響,并取得了較好的識(shí)別效果。但是，現(xiàn)有的基于單樣本人臉識(shí)別的方法其識(shí)別率一般都不高,有效算法的提出還有待進(jìn)一步的研究。
參考文獻(xiàn)
[1] ZHAO W, CHELLAPPA R, ROSENFELD A, et al. Face recgnition: a literature survey[J]. ACM Computing Surveys, 2003,35(4):399-458.
[1] TURK M, PENTLAND A. Eigenfaces for recognition[J].Journal of Cognitive Neuroscience, 1991,3(1):71-86.
[2] TURK M, PENTLAND A. Face recognition using eigenfaces[A]. Proceedings of IEEE Computer Vision and Pattern Recognition[C]. Hawaii, USA: IEEE CS Press, 1991: 586-591.
[3] YANG J, ZHANG D. Two_dimensional PCA: a new approach to appearance-based face representation and Recognition[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2004,26(1):131-137.
[4] ZHANG Dao Qiang, ZHOU Zhi Hua. (2D)2PCA:Two-directional two-dimensional PCA for efficient face representation and recognition[J]. Neurocomputing,2005(69): 224-231.
[5] BELHUMEUR V, HESPANHA J, KRIEGMAN D. Eigenfaces vs fisherfaces: recognition using class specific linear projection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997,19(7):711-720.
[6] LU Chong, LIU Wan Quan, SEN Jian. An face recognition with only one training sample[J]. Proceedings of the 25th Chinese Control Conference 7-11 August, 2006
[7] 楊瓊，丁曉青.對(duì)稱主分量分析及其在人臉識(shí)別中的應(yīng)用[J].計(jì)算機(jī)學(xué)報(bào),2003,26(9):1146-1151.
[8] ZHANG D, CHEN S, ZHOU Z H. A new face recognition method based on SVD perturbation for single example image per person[J].Applied Mathematics and computation, 2005,163(2):895-907.
[9] 吳朋.基于虛擬信息的單樣本分塊人臉識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用,2009,45(19):146-149.