鉴别局部特征分析及其在人脸识别中的应用

由于传统的鉴别主分量分析(DKL)算法中,主分量分析(PCA)基于全局特征,难以提取人脸的局部特性,该文提出鉴别局部特征分析算法。该算法中,局部特征分析(LFA)代替PCA作为线性鉴别分析(LDA)的前端。一方面,LFA在保留大部分全局信息的同时提取局部特征。另一方面,它为信号提供一种有效的低维表示,增强LDA在小样本问题中的数值稳定和推广性能。文中结合开集模式的人脸认证领域,在PoliceFace、OCRLab人脸库和它们的组合库上对新算法和DKL算法进行实验比较。实验表明,通过结合LFA和LDA,新算法明显降低认证错误率:在PoliceFace库上,等错误点错误率降低43.10%;在OCRLab库上错误率降低25.87%;在组合库上错误率降低33.16%。