TY - JOUR TI -

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

T2 - Бизнес-информатика IS - Бизнес-информатика KW - распознавание изображений KW - анализ главных компонент KW - линейный дискриминантный анализ KW - метод линейной конденсации KW - база данных ORL KW - синтез главных компонент AB - Мокеев Андрей Владимирович -старший преподаватель кафедры информационных систем, факультет экономики и предпринимательства, Южно-Уральский государственный университетАдрес: 454080, г. Челябинск, пр. Ленина, д. 76.E-mail:gr.smk@mail.ruМокеев Владимир Викторович - доктор технических наук, заведующий кафедрой информационных систем, факультет экономики и предпринимательства, Южно-Уральский государственный университетАдрес: 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. AU - А. В. Мокеев AU - В. В. Мокеев UR - https://bijournal.hse.ru/2015--3(33) /162671366.html PY - 2015 SP - 44-54 VL -