基于PCA＋AdaBoost算法的人脸识别技术.pdfVIP

170 2010，46(4) CoraputerEngineeringandApplw~ions计算机工程与应用 基于 PCA+AdaBoost算法的人脸识别技术 李盛文，鲍苏苏 LISheng—wen，BAO Su—SH 华南师范大学 计算机学院，广州 510631 CollegeofComputerScienceand Technology，South ChinaNormalUniversity，Guangzhou 510631，China LI Sheng—wen，BAO Su—SB．Face recognition based on PCA+AdaBoostalgorithm ．Computer Engineering and Applications， 2010，46(4)：170—173． Abstract：Face recognition technoloyg is an importantimage processing technology，butlow recognition rate has hampered its wideruse．PrincipalComponentAnalysis (PCA)isan importantalgorithm infacerecognitiontechnology．PCA iscombinedwith AdaBoostalgorithm to improve therecognition rate．Experimentsshow thattherecognition rate ofPCA plusAdaBoostalgorithm is significantlyhigherthanthatofPCA orFisherfacealgorithms． Keywords：facerecogniti0n；eigenface；PrincipalComponentAnalysis(PCA)；AdaBoost 摘 要：人脸识别技术是图像处理方面的重要技术，然而识别率不高却一直妨碍人脸识别技术的广泛应用。主成分分析 (PCA)是 人脸识别技术的一个重要算法，将PCA与AdaBoost算法相结合改进 了原来的算法，并称新算法为PCA+AdaBoost算法。实验证明 PCA+AdaBoost算法的识别率明显高于PCA算法，相对于Fisherface算法的识别率也有明显的提高。 关键词：人脸识别；特征脸；主成分分析；AdaBoost DOI：10．37780．issn．1002—8331．2010．04．054 文章编号：1002—8331(2010)04—0170—04 文献标识码：A 中图分类号：TP391．41 1 主成分分析方法 Widthxl-leight，令 d=Width~He动 ，贝q每幅图像 口J以用按行或者 主成分分析方法(PCA)是图像压缩中的一种最优正交变 按列堆成一个d维向量表示。 换。PCA用于统计特征提取构成了子空间法模式识别的基础。 (2)设有K类的d维样本空间 =(，W，…，W)，其中W： 它从图像整体代数特征出发，基于图像的总体信息进行分类识 ‘ 7 ’ 协 ‘¨ ， … ， }是第 类样本集，含有 个样本。 ‘’： 别。Sirovich和Kirby首先将 K—L变换用于人脸图像的最优表 ， 示 11『。Turk和Pentland进一步提出了 特“征脸”(Eigenface)这个 ( ， ，…， )是第Jj}类的第个样本向量。Ⅳ_∑ 为 概念 。 1．1 PCA人脸识别方法 将PCA方法用于人脸识别，其实是假设所有的人脸都处 样本总数，=_1E 表示第 类样本均值，m= 是 … 于一个低维线性空问，而且不同的人脸在这个空间中具有可分 总