改进的 PCA-LDA 人脸识别算法的研究

来源：计算机技术与发展杂志2021年第02期北京时间：

作者：房梦玉;马明栋

单位：1. 南京邮电大学 通信与信息工程学院,江苏 南京 210003;?2. 南京邮电大学 地理与生物信息学院,江苏 南京 210003

摘要：主成分分析算法(PCA)和线性鉴别分析算法(LDA)被广泛用于人脸识别技术中,但是 PCA 由于其计算复杂度高,致使人脸识别的实时性达不到要求。 线性鉴别分析算法存在“小样本”和“边缘类”问题,降低了人脸识别的准确性。 针对上述问题,提出使用二维主成分分析法(2DPCA)与改进的线性鉴别分析法相融合的方法。 二维主成分分析法提取的特征比一维主成分分析法更丰富, 并且降低了计算复杂度。 改进的线性鉴别分析算法重新定义了样本类间离散度矩阵和Fisher 准则,克服了传统线性鉴别分析算法存在的问题,保留了最有辨别力的信息,提高了算法的识别率。 实验结果表明,该算法比主成分分析算法和线性鉴别分析算法具有更高的识别率,可以较好地用于人脸识别任务。

关键词：主成分分析;线性鉴别分析;二维主成分分析;Fisher 准则;人脸识别