基于镜像奇异值分解的单样本人脸识别技术

2.3 实验结果分析

由表1可以看出，在不同的训练样本条件下，本文提出的方法的识别效果明显高于参考文献中提出的其他几种方法，这主要是由于加入镜像信息后可以减小由于姿态变化对人脸识别的影响。从图3中的实验数据也可以看出SVD+2DPCA和SVD+(2D)2PCA方法在特征维数增大时，两种方法的识别效果差不多，但是都不如本文所提方法，而且由SVD+(2D)2PCA方法和本文方法的比较曲线可以得知,本文方法识别率的提高主要是依赖于人脸图像镜像信息的加入，而不是仅仅由于(2D)2PCA特征提取方法的选择。由图4可知，随着测试样本个数的增加，特别是PCA方法的识别率较低而且其稳定性较弱，与SVD+2DPCA以及SVD+(2D)2PCA方法相比，本文所提方法在保证识别率高于其他方法的同时，也表现出了较强的稳定性。

通过对原始人脸图像增加镜像图像来扩充训练人脸样本数,提出了一种基于镜像奇异值分解的新方法。实验表明，与其他单样本人脸识别方法相比,本文所提出的方法具有较高的识别率，在一定程度上克服了由于人脸姿态的变化对识别结果的影响,并取得了较好的识别效果。但是，现有的基于单样本人脸识别的方法其识别率一般都不高,有效算法的提出还有待进一步的研究。