基于变尺度DCT和PCA的人脸识别方法

doi:10.3969/j.issn.1000-1565.2016.02.016

河北大学学报(自然科学版) ›› 2016, Vol. 36 ›› Issue (2): 204-209.DOI: 10.3969/j.issn.1000-1565.2016.02.016

基于变尺度DCT和PCA的人脸识别方法

张欣,刘海,宋卓展

收稿日期:2015-10-19 出版日期:2016-03-25 发布日期:2016-03-25
作者简介:张欣(1966—),男,河北承德人,河北大学教授,博士,主要从事机器视觉、图像处理、模式识别和故障诊断方向研究. E-mail:zhangxin@hbu.edu.cn
基金资助:
国家自然科学基金资助项目(61203160)

Variable scale face recognition based on DCT and PCA

ZHANG Xin,LIU Hai,SONG Zhuozhan

Electronic Information Engineering College, Hebei University, Baoding 071002, China

Received:2015-10-19 Online:2016-03-25 Published:2016-03-25

摘要/Abstract

摘要： 针对实际应用中要对不同尺度的人脸图像进行匹配和识别的需求,提出一种基于变尺度DCT(离散余弦变换)结合PCA(主成分分析法)的人脸识别方法.首先将不同尺度的人脸图像进行DCT变换,然后提取出相同的DCT系数,再将提出的DCT系数进行PCA降维,最后进行匹配识别.通过对ORL人脸库及实验采集的多尺度人脸图像进行实验,证明了所提方法对不同尺度图像的匹配识别有效,并测算了DCT变换后的修剪尺度及PCA特征维数对该方法识别准确率的影响.

关键词: 人脸识别, 变尺度, DCT, PCA, 匹配

Abstract: A variable scale face images recognition method is proposed, based on the DCT binding the PCA. First, different scale face images are transformed by DCT. Then, the same DCT coefficients are extracted;and the dimension of the DCT coefficients is reduced by PCA. Finally, matching and recognition of images is done. By the ORL and collected face images, it is proved that the method of recognition variable scale images is efficient. Effective values of DCT transformed coefficients and PCA feature dimension are measured.

Key words: face recognition, variable scales, discrete cosine transform, principal component analysis, match

中图分类号:

TP391

张欣,刘海,宋卓展. 基于变尺度DCT和PCA的人脸识别方法[J]. 河北大学学报(自然科学版), 2016, 36(2): 204-209.

ZHANG Xin,LIU Hai,SONG Zhuozhan. Variable scale face recognition based on DCT and PCA[J]. Journal of Hebei University (Natural Science Edition), 2016, 36(2): 204-209.

参考文献

[1] CHAIT Y,RIZON M, WOO S S,et al.Facial features for template matching based face recognition[J].American Journal of Applied Sciences.2009,6(11):1897-1901.
[2] LU J,ZHAO J W,CAO F L.Extended feed forward neural networks with random weights for face recognition[J].Neurocomputing,2014(136):96-102.DOI:dx.doi.org/10.1016/j.neucom.20141.01.022.
[3] 李康顺,李凯,张文盛.一种基于改进BP神经网络的PCA人脸识别算法[J].计算机应用与软件,2014,3(11):158-161.DOI:10.3969 /j.issn.1000-386x.2014.01.041. LI Kangshun,LI Kai,ZAHNG Wensheng.PCA face recognition algorithm based on improved BP neural network[J].Computer Applications and Software,2014,3(11):158-161.DOI:10.3969 /j.issn.1000-386x.2014.01.041.
[4] ANSUMAN M,TUSAR K M,PANKAJ,et al.Human recognition system for outdoor videos using Hidden Markov model[J].International Journal of Electronics and Communications,2013,08(011):227-236.DOI:dx.doi.org/10.1016/j.aeue.2013.08.011.
[5] 李忠建,杨宜民,梅平.基于改进的隐马尔科夫模型的人脸识别方法[J].工业控制计算机,2014,27(11):29-31. LI Zhongjian,YANG Yimin,MEI Ping.Approach of face recognition based on improved Hidden Markov model[J].Industrial control computer,2014,27(11):29-31.
[6] SRINIVASAN A.A Framework for face recognition using adaptive binning and adaboost techniques[J].International Journal of Multimedia & Its Applications,2014,3(1):76-88.DOI:10.5121/ijma.2011.3107.
[7] 徐永红,申鸿魁,赵艳茹,等.四元数目小波和Adaboost在人脸识别中的应用[J].计算机工程与应用,2011,47(29):196-199.DOI:10.3778/j.issn.1002-8331.2011.29.055. XU Yonghong,SHEN Hongkui,ZHAO Yanru,et al.Application of quaternion wavelet and Adaboost in face recognition[J].Computer Engineering and Application,2011,47(29):196-199.DOI:10.3778/j.issn.1002-8331.2011.29.055.
[8] 王宏漫,欧宗瑛.人面部的代数特征与几何特征的提取及识别[D].大连:大连理工大学,2003. WANG Hongman,OU Zongying.Human facial algebraic and geometrical feature extraction and recognition[D].Dalian:Dalian University of Technology,2003.
[9] 张淑军,王高峰,石峰.基于AAM提取几何特征的人脸识别算法[J].系统仿真学报,2013,25(10):2374-2380.DOI:10.16182/j.cnki.joss.2013.10.029. ZHANG Shujun,WANG Gaofeng,SHI Feng.Face recognition algorithm based on Geometric characteristics extracted by AAM [J].System Simulation,2013,25(10):2374-2380.DOI:10.16182/j.cnki.joss.2013.10.029.
[10] 郑宇杰,杨静宇,吴小俊.基于独立成分分析和模糊支持向量机的人脸识别方法[J].系统仿真学报,2005,17(7):1768 -1770.DOI:10.16182/j.cnki.joss.2005.07.063. ZHENG Yujie,YANG Jingyu,WU Xiaojun.Face recognition by independent component analysis and fuzzy support vector machine[J].System Simulation,2005,17(7):1768 -1770.DOI:10.16182/j.cnki.joss.2005.07.063.

[1]	刘文婷,许鹏,张娜,管越强,张耀红. 中华鳖dct基因克隆及表达分析[J]. 河北大学学报(自然科学版), 2019, 39(6): 619-628.
[2]	刘行简,魏旭光,康凯. 基于信息资源共享的云计算应用绩效关系模型[J]. 河北大学学报(自然科学版), 2018, 38(3): 327-336.
[3]	庞姣,张世琪,刘帅奇. 基于非局部自适应字典的SAR图像迭代去噪算法[J]. 河北大学学报(自然科学版), 2018, 38(3): 309-314.
[4]	田学东,崔晓娟. 基于数学表达式特征的科技文档检索模型[J]. 河北大学学报(自然科学版), 2017, 37(6): 652-661.
[5]	陈超凡,林书新. 基于时间序列分析的客户项目状态篡改识别算法[J]. 河北大学学报(自然科学版), 2017, 37(5): 545-554.
[6]	刘翠响,李敏,张凤林. 基于词包模型和SURF局部特征的人脸识别[J]. 河北大学学报(自然科学版), 2017, 37(4): 411-418.
[7]	侯远,郑艺容. 完美匹配单圈图的hyper-Wiener指标[J]. 河北大学学报(自然科学版), 2014, 34(2): 113-117.
[8]	翟俊海,赵文秀,李塔. 一种简单有效的人脸识别方法[J]. 河北大学学报(自然科学版), 2013, 33(6): 654-660.
[9]	李凯,徐治平. 一种基于半监督学习的2DPCA人脸识别方法[J]. 河北大学学报(自然科学版), 2013, 33(4): 413-419.
[10]	李凯,马红艳,杨楠,陈新勇. 半监督学习算法的收敛性及其在人脸识别中的应用[J]. 河北大学学报(自然科学版), 2011, 31(1): 92-97.
[11]	翟俊海,翟梦尧,王华超. 基于小波变换和2DPCA的人脸识别[J]. 河北大学学报(自然科学版), 2010, 30(5): 574-579.
[12]	祝玉华,石凤良,杨希东,王兴元. 基于Logistic映射的数字水印方案[J]. 河北大学学报(自然科学版), 2010, 30(2): 205-210.
[13]	江蓉,王守中,任海珍. 两类2-共振的六角系统的刻画[J]. 河北大学学报(自然科学版), 2009, 29(4): 342-346,350.
[14]	薛林雁,刘爽,李超,刘霜. 模糊决策树匹配算子的推理能力对比研究[J]. 河北大学学报(自然科学版), 2008, 28(4): 433-437.
[15]	毛华,庞双杰. Hall婚配定理的新证明方法[J]. 河北大学学报(自然科学版), 2008, 28(2): 127-129.

基于变尺度DCT和PCA的人脸识别方法

Variable scale face recognition based on DCT and PCA

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价