基于LSVD和PCA的人脸识别算法

提高人脸识别算法的综合性能是人脸识别技术发展的热门课题。目前,大多数算法无法在识别率、速度、内存占用、算法易行性等方面达到平衡,实际应用价值低。为此,提出了一种基于局部SVD和PCA的人脸识别算法,先以局部SVD方法提取人脸图像特征矢量,然后凭借PCA算法求解。由于该方法的基本原理是利用PCA方法处理经局部SVD降维后的数据,因此保留了PCA识别效率高、实现简易的优点,而且在速度、内存占用上远远优于传统PCA方法。测试结果表明,该算法具有较强的实用性。

复杂背景下的人脸定位识别方法

现有的人脸识别算法多在标准库上进行,缺少对复杂背景下人脸识别问题的研究。提出一种快速的人脸定位识别方法,旨在解决复杂背景中人脸的定位和识别问题。在定位方面,提出一种新的自适应肤色分割的人脸定位算法,充分考虑类肤色背景对定位算法的影响,使该算法在户外环境下的人脸定位精度较传统方法有了一定的提高;识别方面,采用局部SVD方法提取人脸图像特征值,以PCA算法加以识别,新算法改进了传统PCA训练速度慢、内存占用大的缺陷。通过对ORL人脸库以及自制人脸库的实验分析,结果表明该方法不仅能解决复杂背景中人脸定位识别问题,并且高效、快速、有较好的实用性。