Erkennung von Gesichtsausdrücken basierend auf PCA und NMF

Die Hauptkomponentenanalyse (Principal Component Analysis, PCA) ist eine weit verbreitete Technik zur Dimensionsreduktion. Die Nichtnegative Matrixfaktorisierung (Non-negative Matrix Factorization, NMF), vorgeschlagen von Lee und Sung, ist eine neue Methode zur Bildanalyse. In diesem Papier werden PCA und NMF verwendet, um Merkmale von Gesichtsausdrücken zu extrahieren, und die Ergebnisse der beiden Methoden werden verglichen. Wir versuchen auch, die Grundbildmatrix und die Gewichtungsmatrix von PCA zu verarbeiten und sie als Initialisierung für NMF zu verwenden. Die Experimente zeigen, dass die Methode, die auf der Kombination von PCA und NMF basiert, eine bessere Erkennungsrate erzielt als PCA und NMF allein. Die beste Erkennungsrate beträgt 93,72 %.