《表2 各算法在Multi-PIE数据集上不同特征维数的识别率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于一致判别相关分析的低分辨率人脸识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

Multi-PIE （Pose illumination and expression）数据集被用来评估面部识别的姿态，它包含了75万张不同视图下的337个人的人脸图片。研究对象在15个视角和19个光照条件下拍摄了一系列面部表情，此外还获得了高分辨率的正面图像。在实验中，选取30个的不同受试者，其中选取每人的10幅不同的图像，共300张灰度图像进行实验，每次随机选取每个个体的5张人脸作为训练集，剩余图像作为测试集，选择的HR图像为32像素×32像素，LR图像为11像素×11像素。表2列出各算法在Multi-PIE人脸数据集对于不同PCA特征维数（30维，40维和50维）下的实验结果。同3.1节的实验结果相似，Method（2）算法在特征维数较低时，有较好的识别结果，当选取的PCA特征维数较高时，Method（1）算法有较好的识别结果。说明当特征维数较低，判别信息和视图一致性的融入，能够显著提高识别结果。尽管当特征维数为50维时，Method（2）的识别率仅有93.67%，但是可以看出Method（2）算法随着特征维数的增加，变化比较稳定，并且在低维情况下相比于其他算法有更好的识别结果，说明在低维情况下，CDCA算法能更充分利用数据本身的特征信息。