电子教材-基于子空间的分析人脸识别方法研究.pdfVIP

第２卷　第５期 　中国光学与应用光学 Ｖｏｌ．２　Ｎｏ．５ 　 　　 　　　　　 ２００９年１０月　 　 　 Ｏｃｔ．２００９ ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＯｐｔｉｃｓａｎｄＡｐｐｌｉｅｄＯｐｔｉｃｓ 文章编号　１６７４２９１５（２００９）０５０３７７１１ 基于子空间分析的人脸识别方法研究 葛　微，程宇奇，刘春香，陈秋萍 （１．中国科学院长春光学精密机械与物理研究所，吉林 长春 １３００３３； ２．中国科学院研究生院，北京１０００３９） 摘要：人脸识别技术是模式识别和机器视觉领域的一个重要研究方向，基于子空间分析的特征提取方法是人脸识别中特 征提取的主流方法之一。本文对目前应用较多的子空间分析方法进行了研究，具体介绍了线性子空间分析方法：主成分 分析（ＰＣＡ）、线性鉴别分析（ＬＤＡ）、独立主成分分析（ＩＣＡ）、快速主成分分析（ＦａｓｔＩＣＡ），和非线性子空间分析方法：基于 核的ＰＣＡ（ＫＰＣＡ）的基本思想以及这些方法在人脸识别中的研究进展和一些新的研究成果。此外，还应用ｏｒｌ及ＹａｌｅＢ 人脸库对几个基础的子空间方法进行了验证实验。实验结果表明，在几个子空间分析方法中，ＦａｓｔＩＣＡ算法取得了最高 的识别率。最后，结合实验结果对各算法的优缺点进行了分析总结。 关　键　词：人脸识别；子空间分析；线性子空间分析；非线性子空间分析 中图分类号：ＴＰ３９１．４　　文献标识码：Ａ Ｒｅｓｅａｒｃｈｏｆｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｓｂａｓｅｄｏｎｓｕｂｓｐａｃｅａｎａｌｙｓｉｓ ＧＥＷｅｉ，ＣＨＥＮＧＹｕｑｉ，ＬＩＵＣｈｕｎｘｉａｎｇ，ＣＨＥＮＱｉｕｐｉｎｇ （１．ＣｈａｎｇｃｈｕｎＩｎｓｔｉｔｕｔｅｏｆＯｐｔｉｃｓ，ＦｉｎｅＭｅｃｈａｎｉｃｓａｎｄＰｈｙｓｉｃｓ， ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｃｈａｎｇｃｈｕｎ１３００３３，Ｃｈｉｎａ； ２．ＧｒａｄｕａｔｅＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００３９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎｏｆｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇ． Ａｍｏｎｇｍａｎｙａｐｐｒｏａｃｈｅｓｔｏｔｈｅｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ｔｈｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓｂａｓｅｄｏｎｓｕｂｓｐａｃｅａｎａｌｙｓｉｓ ｇｉｖｅｔｈｅｍｏｓｔｐｒｏｍｉｓｉｎｇｒｅｓｕｌｔｓ，ａｎｄｈａｖｅｂｅｃｏｍｅｏｎｅｏｆｔｈｅｍｏｓｔｐｏｐｕｌａｒｍｅｔｈｏｄｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｓｕｂｓｐａｃｅ ａｎａｌｙｓｉｓｍｅｔｈｏｄｓｗｅｒｅｒｅｓｅａｒｃｈａｎｄｓｅｖｅｒａｌｋｉｎｄｓｏｆｔｈｅｌｉｎｅａｒｓｕｂｓｐａｃｅｍｅｔｈｏｄ，ｓｕｃｈａｓＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ（ＰＣＡ），ＬｉｎｅａｒＤｉｓｃｒｉｍｉｎａｎｔＡｎａｌｙｓｉｓ（ＬＤＡ），ＩｎｄｅｐｅｎｄｅｎｔＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ（ＩＣＡ），ＦａｓｔＩＣＡ ａｎｄｎｏｎｌｉｎｅａｒｓｕｂｓｐａｃｅｍｅｔｈｏｄｓｓｕｃｈａｓＫｅｒｎｅｌＰＣＡ（ＫＰＣＡ）ｗｅｒｅｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅｂａｓｉｃｐｒｉｎｃｉｐｌｅｓａｎｄｔｈｅｉｒ ｒｅｓｅａｒｃｈａｃｈｉｅｖｅｍｅｎｔｓｏｆｔｈｅｓｅｍｅｔｈｏｄｓｗｅｒｅｄｅｓｃｒｉｐｅｄａｎｄｔｈｅａｎａｌｙｓｉｓａｐｐｌｉｃａｔｉｏｎｓｔｏｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｗｅｒｅ ｇｉｖｅｎ．Ｍｏｒｅｏｖｅｒ，ｔｈｅＯＲＬａｎｄＹＡＬＥＢｄａｔａｂａｓｅｓｗｅｒｅｕｓｅｄｔｏｖｅｒｉｆｙｔｈｅｓｅｂａｓｉｃｓｕｂｓｐａｃｅｍｅｔｈｏｄｓ．Ｔｈｅ