應用核心最近特徵線轉換做人臉辨識

Kernel Nearest Feature Line Embedding for Use in Face Recognition

劉玉樹(Liu Yu Shu)

指導教授 ： 陳映濃 ； 范國清

國立中央大學/資訊電機學院/資訊工程學系碩士在職專班/碩士(2014年)

摘要

由於傳統區別分析中常用 PCA 進行前處理，但 PCA 前處理可
能破壞原始資料的結構，使區別能力下降，為了降低 PCA 的負面影
響，本篇論文提出將原空間的資料透過不同的 kernel Methods 映射至
kernel 空間，目的是使資料在特徵空間中更具區別性，再於特徵空間
使用 PCA 將主成分提出；並配合最近特徵線轉換法 (NFLE) 進行區
別分析，以提昇辨識率。
在實驗部分，我們使用 CMU 資料庫做人臉辨識，針對不同的
樣本數與不同的維度下進行效能驗證 NFLE , Linear Kernel+NFLE ,
Guassian Kernel+NFLE , Polynomial Kernel +NFLE 四種不同的演算
法；
由實驗數據可得，雖然 Kernel Methods 在低樣本數的辨識率低
於 NFLE，但隨著樣本數增多，Kernel Methods 的辨識率則會高於
NFLE。

關鍵字

PCA ； Kernel Methods ； KPCA ； Nearest Feature Line Embedding

並列摘要

In traditional discriminant analysis, PCA is usually applied for data
preprocessing. However, PCA may bring damage to the topology of
original data and hence decrease the discriminability. To remedy this
problem, the Kernel methods are adopted to transform the data set
from original space to feature space for enhancing the discriminability
in this study. In the kernel space, the PCA is then applied to extract
the principal component data and remove the noises. After the PCA
process, the NFLE algorithm is applied for discriminant analysis.
In the experiments, Linear Kernel+NFLE , Guassian Kernel+NFLE,
Polynomial Kernel+NFLE algorithms are implemented for face recognition. In our work,the CMU face database is used for evaluating the
performance of the proposed methods in different training samples and
dimensions.
Experimental results reveal that the recognition rate of the proposed kernel based method is lower than NFLE under few training samples. When the number of training samples increases, the proposed
kernel based method outperforms NFLE.

並列關鍵字

PCA ； Kernel Methods ； KPCA ； Nearest Feature Line Embedding

參考文獻

[2] 鄭仁和. 「基於色彩資訊特徵之虹膜辨識」. Master’s thesis, 國立

[19] 陳映濃、何岡峰、韓欽銓、范國清. 「多階段人臉偵測與辨識」.

[4] 薛傑仁. 「生物辨識之人臉辨識的方法」. Master’s thesis, 亞洲大

[5] 王俐芃. 「3d 影像應用於人臉辨識之實現」. Master’s thesis, 國立

characterization for the characterization of human faces”. J. Opt.