基于随机采样的面部识别方法

ＬＤＡ是一种常见的用于面部识别的特征提取技术。但是，在处理高维度的面部数据时，其通常会遇到小样本的问题。费舍人脸和零空间ＬＤＡ（Ｎ－ＬＤＡ）是两种常见的处理这个问题的方法。但是，在很多情况下，这些ＬＤＡ分类器对于训练集合过拟合，并丢弃了一些有用的识别信息。在本发明中，通过分析两种ＬＤＡ分类器的不同的过拟合问题，提出了一种利用随机子空间和随机样本组合以分别对其进行改进的方法。通过对于特征向量和训练样本的随机采样，构建多个稳定的费舍人脸和Ｎ－ＬＤＡ分类器。可以将这两种互补式的分类器通过融合方式综合在一起，因此几乎能够保存所有的识别信息。这种方法也可以被应用到其它多种特征上，建立将形状、纹理和Ｇａｂｏｒ反应整体考虑的鲁棒的人脸识别系统。