Resumen

Hemos propuesto un algoritmo de reconocimiento facial basado en el análisis de componentes principales multilineal (MPCA) y el análisis discriminante lineal (LDA). En comparación con los métodos tradicionales de reconocimiento facial existentes, nuestro enfoque trata las imágenes faciales como un tensor multidimensional con el fin de encontrar el subespacio tensorial óptimo para lograr la reducción de dimensiones. El LDA se utiliza para proyectar las muestras a un nuevo espacio de características discriminantes, mientras que el K nearest neighbor (KNN) se adopta para la clasificación del conjunto de muestras. Los resultados de nuestro estudio y el algoritmo desarrollado se validan con las bases de datos de rostros ORL, FERET y YALE y se comparan con los métodos PCA, MPCA y PCA LDA, lo que demuestra una mejora en la precisión del reconocimiento de rostros.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:análisis de componentes principales multilineal, nuevo espacio de características discriminantes, bases de datos de rostros orl, precisión en el reconocimiento de rostros, algoritmo de reconocimiento de rostros, métodos de reconocimiento de rostros, análisis discriminante lineal, subespacio tensorial óptimo, lda, mpca
• Keywords:multilinear principal component analysis, new discriminant feature space, face databases orl, face recognition accuracy, face recognition algorithm, face recognition methods, linear discriminant analysis, optimal tensor subspace, lda, mpca