一种简单有效的人脸识别方法

doi:10.3969/j.issn.1000-1565.2013.06.018

河北大学学报(自然科学版) ›› 2013, Vol. 33 ›› Issue (6): 654-660.DOI: 10.3969/j.issn.1000-1565.2013.06.018

一种简单有效的人脸识别方法

翟俊海¹,赵文秀²,李塔¹

1.河北大学数学与计算机学院,河北省机器学习与计算智能重点实验室,河北保定071002； 2.河北大学数学与计算机学院,河北省机器学习与计算智能重点实验室,河北保定071002;中国气象局气象干部培训学院河北分院教务科,河北保定071000

出版日期:2013-11-25 发布日期:2013-11-25
基金资助:
国家自然科学基金资助项目，河北省自然科学基金资助项目，河北省高等学校科学研究重点项目，河北大学自然科学基金项目，河北大学教改项目

A simple and efficient face recognition method

ZHAI Junhai¹,ZHAO Wenxiu²,LI Ta¹

Online:2013-11-25 Published:2013-11-25

摘要/Abstract

摘要： Mohammed等人提出了一种基于小波变换和极端学习机的人脸识别方法,该方法分为3步,首先对人脸图像做小波变换,然后用双向二维主成分分析进行特征提取,最后用极端学习机进行分类识别.但实验研究发现,用小波变换的低频子图直接作为极端学习机的输入,就可以达到非常好的识别效果,即第2步的特征提取是没有必要的.在3个人脸数据库上与Mohammed等人提出的方法进行了实验比较,实验结果显示本文提出的方法简单有效.

关键词: 小波变换, 人脸识别, 极端学习机, 特征提取

Key words: wavelet transform, face recognition, extreme learning machine, feature extraction

中图分类号:

TP181

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.

ZHAI Junhai,ZHAO Wenxiu,LI Ta. A simple and efficient face recognition method[J]. Journal of Hebei University (Natural Science Edition), 2013, 33(6): 654-660.

参考文献

[1] 杨万扣, 任明武, 杨静宇, YANG Wan-Kou, REN Ming-Wu, YANG Jing-Yu. 基于对称二维主成分分析的人脸识别 [J]. 模式识别与人工智能 2008.doi:10.3969/j.issn.1003-6059.2008.03.009
[2] 王科俊, 贲晛烨, 刘丽丽, 李雪峰, WANG Ke-Jun, BEN Xian-Ye, LIU Li-Li, LI Xue-Feng. 基于子模式的完全二维主成分分析的步态识别算法 [J]. 模式识别与人工智能 2009.doi:10.3969/j.issn.1003-6059.2009.06.008
[3] 邹建法, 王国胤, 龚勋, ZOU Jian-Fa, WANG Guo-Yin, GONG Xun. 基于增强Gabor特征和直接分步线性判别分析的人脸识别 [J]. 模式识别与人工智能 2010.doi:10.3969/j.issn.1003-6059.2010.04.006
[4] 翟俊海, 李塔, 翟梦尧, 王熙照, ZHAI Jun-hai, LI Ta, ZHAI Meng-yao, WANG Xi-zhao. ELM算法中随机映射作用的实验研究 [J]. 计算机工程 2012.doi:10.3969/j.issn.1000-3428.2012.20.042
[5] 章毓晋, 贾彗星, 李乐. 基于子空间的人脸识别方法 [M]. {H}北京:清华大学出版社 2009.
[6] TURK M, PENTLAND A. Eigen-faces for recognition [J]. {H}Journal of Cognitive Neuroscience 1991, 3(01).
[7] Belhumeur P.N., Hespanha J.P.. Eigenfaces vs. Fisherfaces: recognition using class specific linear projection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence 1997, 7(7).
[8] Jian Yang, Zhang D., Frangi A.F., Jing-yu Yang. Two-dimensional PCA: a new approach to appearance-based face representation and recognition [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence 2004, 1(1).
[9] LI Ming, YUAN Baozong. 2D-LDA:A novel statistical linear discriminant analysis for image matrix [J]. {H}Pattern Recognition Letters 2005, 26(05).
[10] Daoqiang Zhang, Zhi-Hua Zhou. (2D)~2PCA: Two-directional two-dimensional PCA for efficient face representation and recognition [J]. Neurocomputing 2005, 1/3(1/3).
[11] Noushath S, Kumar GH, Shivakumara P. (2D)(2) LDA: An efficient approach for face recognition [J]. Pattern Recognition: The Journal of the Pattern Recognition Society 2006, 7(7).
[12] Wiskott L., Fellous J.-M.. Face recognition by elastic bunch graph matching [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence 1997, 7(7).
[13] SAMARIA F, YOUNG S. HMM based architecture for face identification [J]. Image Vision Computing 1994, 12(08).
[14] Lai JH., Feng GC., Yuen PC.. Face recognition using holistic Fourier invariant features [J]. Pattern Recognition: The Journal of the Pattern Recognition Society 2001, 1(1).
[15] Dai DQ, Yuen PC. Wavelet based discriminant analysis for face recognition [J]. Applied mathematics and computation 2006, 1(1).
[16] Keun-Chang Kwak, Pedrycz W.. Face recognition using fuzzy Integral and wavelet decomposition method [J]. IEEE transactions on systems, man, and cybernetics, Part B. Cybernetics: A publication of the IEEE Systems, Man, and Cybernetics Society 2004, 4(4).
[17] Ergun Gumus, Niyazi Kilic, Ahmet Sertbas, Osman N. Ucan. Evaluation of face recognition techniques using PCA, wavelets and SVM [J]. Expert Systems with Application 2010, 9(9).
[18] Mohammed, A.A., Minhas, R., Jonathan Wu, Q.M., Sid-Ahmed, M.A.. Human face recognition based on multidimensional PCA and extreme learning machine [J]. Pattern Recognition: The Journal of the Pattern Recognition Society 2011, 10/11(10/11).
[19] Mallat S.G.. A theory for multiresolution signal decomposition: the wavelet representation [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence 1989, 7(7).
[20] Guang-Bin Huang, Qin-Yu Zhu, Chee-Kheong Siew. Extreme learning machine: Theory and applications [J]. Neurocomputing 2006, 1/3(1/3).

一种简单有效的人脸识别方法

A simple and efficient face recognition method

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

[1]	陈丽萍,苑侗侗,杨文柱,陈向阳,王思乐. 基于模板更新的深层孪生网络跟踪算法[J]. 河北大学学报(自然科学版), 2022, 42(2): 217-224.
[2]	刘振鹏,张庆文,李泽园,刘嘉航,董姝慧,赵永刚. 软件定义网络中基于贝叶斯ARTMAP的DDoS攻击检测模型[J]. 河北大学学报(自然科学版), 2021, 41(6): 728-733.
[3]	秦益文,封志宏,苏楠,马丁,李小菲. 基于深度置信网络的室内指纹定位算法[J]. 河北大学学报(自然科学版), 2021, 41(3): 321-328.
[4]	李凯,曹可凡,沈皓凝. 基于步态序列的跨视角步态识别[J]. 河北大学学报(自然科学版), 2021, 41(3): 311-320.
[5]	李凯,曹可凡. 受限玻尔兹曼机的步态特征提取及其识别[J]. 河北大学学报(自然科学版), 2019, 39(6): 657-665.
[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]	石贵民,余文森,肖钟捷. 基于Gabor特征和协同神经网络的车牌识别方法[J]. 河北大学学报(自然科学版), 2016, 36(2): 210-217.
[8]	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.
[9]	张玮,李晓苇,李光,张荣香. 二次特征提取法用于茶叶产地的识别[J]. 河北大学学报(自然科学版), 2014, 34(5): 479-484.
[10]	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.
[11]	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.
[12]	王芳,丁振君,祝彦,王伟. 金属腐蚀声发射信号小波去噪[J]. 河北大学学报(自然科学版), 2010, 30(5): 580-584.
[13]	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.
[14]	徐建民,刘清江,付婷婷,戴旭. 基于量化同义词关系的改进特征词提取方法[J]. 河北大学学报(自然科学版), 2010, 30(1): 97-101.
[15]	翟俊海,赵文秀,王熙照. 图像特征提取研究[J]. 河北大学学报(自然科学版), 2009, 29(1): 106-112.