最大子空间活性测度准则在AFRS中的应用
主元分析(Principal Component Analysis, PCA作为代数特征被广泛地应用于模式识别、3D自标分析领域，如:基于视角的人脸自动识别系统(AFRS)、医学3D人体器官检测系统以及一些基于视觉的生物信息检测系统。子空间活性测度描述了一类模式适应各类特征子空间的关系.一类目标在相似的条件下形成相似的模式,在不同的条件下形成不同的模式特征,因此可以用不同的特征子空间表示.本文首先在LPCA/KPCA的基础上,提出了线性子空间活性测度/核子空间活性测度的基本概念,提出了基于特征空间的线性/核子空间活性测度定理.给出了最大子空间活性测度准则.最后,基于最大子空间活性测度准则提出了一类目标(人脸)姿态估计算法.实验结果表明本文提出的基于LSAM/KSAM姿态估计方案有效。
人脸自动识别 特征子空间 活性测度 姿态估计
史东承 张大鹏
长春工业大学计算机科学与工程学院,长春130012;香港理工大学计算学系多媒体信号处理中心 香港理工大学计算学系多媒体信号处理中心
国内会议
第十六届全国图象图形学学术会议 暨第六届立体图象技术学术研讨会
长春
中文
816-821
2012-07-30（万方平台首次上网日期，不代表论文的发表时间）