Скрыть
Раскрыть

ISSN 1998-0663 (print),
ISSN 2587-8166 (online)

English version: ISSN 2587-814X (print),
ISSN 2587-8158 (online)

Мокеев А. В. 1, Мокеев В. В. 2
  • 1 Южно-Уральский государственный университет , 454080, г. Челябинск, пр. Ленина, д. 76.
  • 2 Южно-Уральский государственный университет , 454080, г. Челябинск, пр. Ленина, д. 76

Об эффективности распознавании лиц с помощью линейного дискриминантного анализа и метода главных компонент

2015. № 3(33) . С. 44–54 [содержание номера]

Мокеев Андрей Владимирович -старший преподаватель кафедры информационных систем, факультет экономики и предпринимательства, Южно-Уральский государственный университет
Адрес: 454080, г. Челябинск, пр. Ленина, д. 76.
E-mail:gr.smk@mail.ru

Мокеев Владимир Викторович - доктор технических наук, заведующий кафедрой информационных систем, факультет экономики и предпринимательства, Южно-Уральский государственный университет
Адрес: 454080, г. Челябинск, пр. Ленина, д. 76.
E-mail: mokeyev@mail.ru 

      Рассматривается решение задачи распознавания лиц с помощью метода главных компонент (МГК) и линейного дискриминантного анализа (ЛДА). Главная идея подхода МГК+ЛДА состоит в том, что, во-первых, изображение лица проецируется из исходного векторного пространства в подпространства лица главных компонент, во-вторых, для получения линейного классификатора используется линейный дискриминантный анализ. В работе исследуется эффективность подхода МГК+ЛДА для случая, когда изображения лиц не проходят предварительную обработку (масштабирование, поворот, центрирование, выравнивание яркости). Эффективность подхода МГК и ЛДА исследуется на изображениях лиц базы ORL. Показывается, что при увеличении числа изображений в классе учебной выборки, повышается точность распознавания лиц. При небольшом числе изображений для повышения качества распознавания лиц предлагается расширять учебную выборку изображениями, полученными путем масштабирования и поворота исходных изображений. При обработке больших наборов изображений для вычисления главных компонент предлагается использовать методы линейной конденсации и синтеза главных компонент. Метод синтеза главных компонент базируется на разбиении исходного множества изображений на небольшие наборы изображений, получении собственных векторов этих наборов (частных решений) и вычислении собственных векторов исходного набора на основе частных решений. Метод линейной конденсации использует понижение порядка матриц, позволяющее достаточно точно вычислять собственные векторы, собственные значения которых находятся в заданном интервале. Показано, что методы линейной конденсации и синтеза главных компонент позволяют существенно снизить трудоемкость построения классификатора при использовании подхода на МГК+ЛДА, не снижая точности распознавания лиц.

Библиографическое описание: Мокеев А.В., Мокеев В.В. Об эффективности распознавании лиц с помощью линейного дискриминантного анализа и метода главных компонент // Бизнес-информатика. 2015. № 3 (33) . С. 44 – 54.
BiBTeX
RIS
 
 
Rambler's Top100 rss