一种基于KNLDA的RBF神经网络人脸识别方法

摘要

本发明涉及人脸识别技术领域，人脸识别方法包括：将零空间线性鉴别分析(NLDA)与核函数的优点结合，零空间线性鉴别分析(NLDA)在训练样本总类内离散度矩阵的零空间中提取样本的鉴别特征，克服了的小样本问题，提高了识别率，然而，NLDA仍然是一种线性特征的提取方法，不能有效提取样本的非线性特征。通过非线性映射，该方法将输入空间样本映射到高维特征空间，在高维特征空间利用线性特征提取算法，从而有效提取样本的非线性特征。我们使用RBP神经网络对经过特征提取得到的人脸图像进行识别，研究表明，与基于欧式距离等传统度量的传统分类方式相比，可提高识别效率。本发明所提供的技术方案，能够很好地实际生活中，识别率更高，鲁棒性更好。