基于低分辨率人脸识别系统的PCA算法分析
特征提取是处理人脸识别技术的核心问题的重要算法,也就是将每个样本人脸的显著特征点呈现出来,这就是人脸识别技术当中测试样本与训练样本能否达到匹配的关键问题和必要前提.人脸识别技术之所以如此快速地被广大用户所接受并被应用,其主要原因是人脸识别方式相比于其他的身份确认鉴别形式具有方便、友好、快捷的特点.主成分分析算法PCA(Principal Component Analysis)，又称作K-L变换，是人脸识别技术中应用最为广泛和最基本的一种线性非相关特征提取识别算法。PCA算法的本质是要经过一系列矩阵变换，最终找到合适的特征向量矩阵，建立低维向量子空间。第一步是将样本信息参数向低维向量空间上做投影，并能得到一组投影参数，将这组参数与其一类的分布相关点进行相似性测量，以此来确定此信息参数的人脸图像在低维子空间中分布位置，最终实现人脸自动识别的目的。
人脸识别 主成分分析算法 特征提取 向量矩阵
张玉萍
黑龙江信息技术职业学院 黑龙江哈尔滨 150025
国内会议
北京
中文
4-5
2015-02-14（万方平台首次上网日期，不代表论文的发表时间）