基于鏡像奇異值分解的單樣本人臉識別

同時(shí)，為了比較各參考文獻方法和本文方法在不同測試樣本數目情況下的穩定性[9]，做如下的測試實(shí)驗：在ORL人臉庫上分別取每個(gè)人的第1,2,3,...，10張圖像作為訓練樣本，分10組實(shí)驗，同時(shí)在每組實(shí)驗中分別以除訓練樣本以外的前2,3,4,...，9張圖像作為測試樣本，計算每組實(shí)驗的平均識別率，實(shí)驗結果如圖4所示。

2.3 實(shí)驗結果分析
由表1可以看出，在不同的訓練樣本條件下，本文提出的方法的識別效果明顯高于參考文獻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)變化對人臉識別的影響。從圖3中的實(shí)驗數據也可以看出SVD+2DPCA和SVD+(2D)2PCA方法在特征維數增大時(shí)，兩種方法的識別效果差不多，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(xiàn)可以得知,本文方法識別率的提高主要是依賴(lài)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(zhù)測試樣本個(gè)數的增加，特別是PCA方法的識別率較低而且其穩定性較弱，與SVD+2DPCA以及SVD+(2D)2PCA方法相比，本文所提方法在保證識別率高于其他方法的同時(shí)，也表現出了較強的穩定性。
通過(guò)對原始人臉圖像增加鏡像圖像來(lái)擴充訓練人臉樣本數,提出了一種基于鏡像奇異值分解的新方法。實(shí)驗表明，與其他單樣本人臉識別方法相比,本文所提出的方法具有較高的識別率，在一定程度上克服了由于人臉姿態(tài)的變化對識別結果的影響,并取得了較好的識別效果。但是，現有的基于單樣本人臉識別的方法其識別率一般都不高,有效算法的提出還有待進(jìn)一步的研究。
參考文獻
[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.對稱(chēng)主分量分析及其在人臉識別中的應用[J].計算機學(xué)報,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別[J].計算機工程與應用,2009,45(19):146-149.