FERET人脸数据分析方法

FERET人脸数据共包含200个人，每个人7幅图像。在本次实验中，将FERET人脸数据库中的每一幅图像的尺寸都修剪为80×80。

在实验过程中，从FERET人脸图像每类数据中任意选取4幅作为训练数据，剩下的3幅图像作为测试数据。因此在建立近邻图时，设置近邻点数为3。然后分别采用LDA、UDP和GFF对FERET人脸数据进行降维，获得具有判别性的特征维。

表9-10是分别采用LDA、UDP和GFF方法对FERET数据实验所获得的实验结果。特别是GFF也提供了获得最大识别率时的参数设置。当α＝β＝0.21，GFF在特征维数降低到116维时，获得最大识别率82.5%，UDP在特征维数降低到112维时，达到最大识别率80.2%，而LDA在特征维数降低到100维时，最大识别率为74.5%。

表9-10　FERET人脸数据应用UDP、LDA、GFF后的最佳识别率及相应的参数和维数

(www.xing528.com)

图9-4　FERET人脸数据经UDP、LDA和GFF维数约减后的识别率与维数变化曲线图

图9-4显示了应用UDP、LDA和GFF三种方法对FERET人脸数据进行特征降维之后的识别率与特征维数之间的变化关系曲线。从图9-4中可以发现，随着特征维数的增加，三种方法的识别率曲线上升很快，但是当特征维数增加到一定程度之后，三种方法的识别率曲线随着特征维数的变化上升趋势就变得缓慢了。另外，无论识别率曲线如何变化，GFF方法的识别率在达到一定特征维数之后，就一直位于其他两种方法的识别率曲线之上。