用于高效人脸表示与识别的扩展二维PCA
计算机视觉与模式识别
2010-04-07 v1 机器学习
摘要
本文提出了一种称为扩展二维PCA（E2DPCA）的新方法，它是对原始2DPCA的扩展。我们指出，2DPCA的协方差矩阵等价于PCA协方差矩阵主对角线的平均值。这意味着2DPCA舍弃了一些可能对识别有用的协方差信息。E2DPCA不仅使用主对角线，而是考虑其周围半径为r的对角线，并扩展平均范围以包含这些对角线内的协方差信息。参数r统一了PCA和2DPCA。r = 1产生2DPCA的协方差，r = n产生PCA的协方差。因此，通过控制r，可以控制识别精度与能量压缩（更少的系数）之间，以及训练与识别复杂度之间的权衡。在ORL人脸数据库上的实验表明，相比原始2DPCA，识别精度和识别时间均有所提升。
引用
@article{arxiv.1004.0755,
title = {Extended Two-Dimensional PCA for Efficient Face Representation and Recognition},
author = {Mehran Safayani and Mohammad T. Manzuri-Shalmani and Mahmoud Khademi},
journal= {arXiv preprint arXiv:1004.0755},
year = {2010}
}
备注
Proc. of 4th International Conference on Intelligent Computer Communication and Processing (ICCP), Cluj-Napoca, Romania, pp. 295--298, 2008.