科研之友
微信
新浪微博
Facebook
分享链接
摘要
在人脸识别领域应用张量奇异值分解(TSVD)来进行人脸特征的表示和提取,克服了过去的提取方法,如主成分分析法(PCA)等过于依赖拍摄条件的缺点。TSVD将数据转换成三维线性模型,所以能避免二维线性方法中条件改变则精确度下降的问题,使得识别算法在变化的条件下获得了相对稳定的结果。在此基础上对算法进行了优化,利用矩阵分解,在不影响算法正确率的情况下,有效减少计算量,提高算法效率。基于Matlab对该算法进行了四组实验,并将结果与用PCA方法得到的结果对比,验证了该识别算法在变化条件下显著的正确性以及稳定性;同时,对优化的TSVD算法进行了实验验证,在数据量较大的情况下,该算法速度明显提高。
-
单位中国科学院成都计算机应用研究所
