基于核主成分分析人脸识别.pdfVIP

第27 卷第8 期 东 北 大 学 学 报 ( 自 然 科 学 版 ) Vol 27 ,No. 8 2 0 0 6 年 8 月 Journal of Northeastern University (Natural Science) Aug. 2 0 0 6 文章编号 : (2006) 基于核主成分分析的人脸识别 赵丽红 , 孙宇舸 , 蔡 　玉 , 徐心和 ( 东北大学 信息科学与工程学院 , 辽宁 沈阳　110004) 摘　　　要 : 核主成分分析方法是主成分分析的改进算法 ,其采用非线性方法提取主成分 把核 · 主成分分析应用到人脸识别中 ,利用核主成分分析方法选择合适的核函数在高维空间提取人脸图 像的主成分 核主成分分析与传统主成分分析相比 ,可以得到更好的适合分类的特征 基于 ORL · · 人脸库 ,识别核主成分分析提取出的主成分的相关性系数 实验结果表明 ,核主成分分析不仅实现 · 了降维 ,而且能取得比传统主成分分析更好的识别性能 ,正确识别率为 92. 5 % · 关 　键 　词 : 特征抽取 ;核主成分分析 ;主成分分析 ;人脸识别 ;核函数 中图分类号: TP 39141 　　　文献标识码 : A 人脸识别是人类视觉系统所具有的最基本和 主 成 分 分 析[6 ,7 ] ( principal component 最重要的功能之一 ,是人类交流的基础 人们通过 analysis , PCA) 属于代数特征分析方法 ,是模式识 · 这一视觉功能识别彼此的身份 ,理解对方的感情 别领域中一种经典的特征抽取和降维方法 但是 · 和意图 因此 , 利用计算机进行人脸自动识别 PCA 的缺点是需要很大的存储空间和计算复杂 · (automatic face recognition ,AFR) 一直是计算机 度 如果原始空间的维数是 n , PCA 需要分解一 · 视觉领域中的重要研究课题 近年来 ,随着高速硬 个 n ×n 的非稀疏矩阵 因为 PCA 是一种线性映 · · 件和人工神经网络等技术的发展以及商业和执法 射方法 ,降维后的表示是由线性映射生成的 ,它忽 等方面需求的增长 , 自动人脸识别的研究和应用 略了数据之间高于 2 阶的相互关系 ,所以抽取的 得到了空前的重视 ,并取得了长足的进步[1 ,2 ] · 特征并不是最优的 ,这在一定程度上影响了 PCA 自动人脸识别技术有着广泛的应用领域: ① 方法的效果 PCA 的改进算法 核主成分分 · 身份验证 利用人脸识别技术可以确认护照、信 析[8 ] (kernel PCA , KPCA) 采用非线性的核函数方 · 用卡、身份证等证件的真伪 ; 可以鉴别某人是否 法 ,很好地