基于二维NMF的人脸识别算法研究的中期报告.docx

基于二维NMF的人脸识别算法研究的中期报告
本研究基于二维非负矩阵分解（NMF）技术开发了一种人脸识别算法。该算法主要用于解决人脸识别中的人脸图像的降维问题。在现有的人脸识别算法中，二维NMF方法可以有效地提取出人脸图像的特征，并且能够促进人脸识别性能的提升。
本研究的目标是分析和研究使用二维NMF方法的人脸识别算法，并开发一个针对此算法的原型系统进行实现和测试。为了实现这一目标，本研究的工作涵盖了以下几个方面：
1.收集数据集
为了进行人脸识别实验，我们使用了AT&TFacedatabase作为训练和测试数据集。该数据集含有40个不同的人物，每个人物有10张不同表情的灰度人脸图像。该数据集已经广泛应用于人脸识别算法的研究中。
2.特征提取
我们采用了一个二维NMF模型，该模型可以将原始人脸图像分解成两个非负矩阵W和H的乘积。其中，W矩阵包含人脸图像的特征，而H矩阵则包含每张原始图像的权重。
3.算法实现
我们使用Python代码实现了二维NMF算法，并使用其对AT&TFacedatabase进行特征提取。在实现过程中，我们使用了sklearn、numpy和matplotlib等常见Python库。
4.实验评估
我们使用准确率和召回率等指标对算法进行评估，并与其他几种人脸识别算法进行比较。实验结果表明，我们的算法在AT&TFacedatabase数据集上取得了优秀的识别性能，并且比其他算法具有更高的准确率和更低的错误率。
总结：本研究的结果表明，使用二维NMF技术可以有效地提取人脸图像的特征，并提高人脸识别的准确性。未来，我们还将进一步探究该算法的其他应用场景。