一种半监督人脸数据可分性特征提取方法

作者：刘敬; 刘鑫磊; 刘逸

来源：计算机与数字工程, 2020, 48(07): 1648-1654.

• 人脸识别
• 特征提取
• 稀疏概念编码
• 线性判别分析

针对人脸数据维数高,可分性差的问题,提出一种半监督人脸数据可分性特征提取方法——SCC-LDA。SCC-LDA先采用稀疏概念编码(Sparse Concept Coding,SCC)进行非监督特征提取,以获取保留人脸数据固有空间几何结构的低维稀疏表达;然后采用线性判别分析(Linear Discriminant Analysis,LDA)在SCC子空间进行有监督特征提取,进一步提取数据的可分性特征并降维。采用K近邻(K-Nearest Neighbor,KNN)分类器和最小距离(Minimum Distance,MD)分类器验证特征提取的有效性。基于ORL和Yale数据的实验结果表明,相比SCC子空间法和LDA子空间法,SCC-LDA子空间法可显著提高识别率,并可加快人脸识别速度。

• 单位
  电子工程学院; 西安邮电大学; 西安电子科技大学