基于FLDA_CPCA与HMM的人脸识别.pdf

为了获得具有较高识别率的算法, 提出了一种将 Fisher 线性鉴别分析 ( Fisher Linear Discriminant Analysis) 、复主分量分 析 ( Principal Analysis in the Complex Space) 与隐马尔可夫模型 ( Hidden Markov Models) 相结合进行人脸识别的方法。对于输入 的不同光照、人脸表情和姿势的图像先进行归一化处理, 然后将归一化后的图像转化成一维向量, 再用 FLDA 方法提取每幅图像 的特征, 形成新的复向量空间; 通过运用复主分量分析, 来抽取人脸图像的有效鉴别特征; 最后通过 HMM对这些特征进行