【作者】 段玉波； 贾莹； 王兴柱； 韩雪松；

【Author】 Duan Yubo Jia Ying Wang XingZhu Han XueSong (Daqing Petroleum University Daqing 163318 China)

【机构】 大庆石油学院电气信息工程学院；

【摘要】 主成分分析(Principal Component Analysis,PCA)方法是人脸识别技术中一种广泛应用的数据降维技术。从数学角度看,以K-L变换为基础的PCA人脸识别方法是基于统计的方法中最优的,它使得压缩前后的均方误差最小,且变换后的低维空间有很好的分辨能力。但这种传统的PCA方法常常面临图像维数高,直接计算量大的问题。因此,Yang等人提出了2DPCA方法,避免了从图像矩阵向一维向量的转换,并获得了满意的效果。文章对这两种方法做了理论上的比较,并通过实验证明2DPCA在识别方面略优于传统PCA算法。更多还原

【Abstract】 Component Analysis is a popular method for dimension reduction widely used in face recognition Looked from mathematics angle PCA face recognition methods as the foundation of the K-L transformation is the most superior in the statistical method and it causes around the compression the mean error to be youngest.Based on the traditional PCA method 2DPCA method is proposed which avoids the transformation from the 2D matrix to lDvector and has acquired good recognition accuracy This paper compares these methods on theory and experimental data and shows that the 2DPCA method is superior to the traditional PCA method.更多还原