模式识别-人脸识别.pdfVIP

模式识别 西安交通大学 基于BP神经网络和k-近邻综合决策法的人脸识别matlab实现 高海南 3110038011 1 人脸识别原理 人脸识别是目前模式识别领域中被广泛研究的热门课题，它在安全领域以及 经济领域都有极其广泛的应用前景。人脸识别就是采集人脸图像进行分析和处理, 从人脸图像中获取有效的识别信息, 用来进行人脸及身份鉴别的一门技术。本文 在MATLAB环境下，取ORL人脸数据库的部分人脸样本集，基于PCA方法提取人脸特 征，形成特征脸空间，然后将每个人脸样本投影到该空间得到一投影系数向量， 该投影系数向量在一个低维空间表述了一个人脸样本，这样就得到了训练样本集。 同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于BP 神经网络算法和k-近邻算法进行综合决策对待识别的人脸进行分类。该方法的识 别率比单独的BP神经网络算法和k-近邻法有一定的提高。 1.1 ORL 人脸数据库简介 实验时人脸图像取自英国剑桥大学的ORL人脸数据库，ORL数据库由40个人组 成，每个人有10幅不同的图像，每幅图像是一个92×112像素、256级的灰度图， 他们是在不同时间、光照略有变化、不同表情以及不同脸部细节下获取的。如图 1所示。 图1 ORL人脸数据库 1 模式识别 西安交通大学 1.2 基于PCA 的人脸图像的特征提取 PCA法是模式识别中的一种行之有效的特征提取方法。在人脸识别研究中, 可以将该方法用于人脸图像的特征提取。 一个m ×n 的二维脸部图片将其按列首位相连，可以看成是m ×n 的一个一维向 量。ORL 人脸数据库中每张人脸图片大小是92×112，它可以看成是一个10304 维 的向量，也可以看成是一个10304 维空间中一点。图片映射到这个巨大的空间后， 由于人脸的构造相对来说比较接近，因此可以用一个相应的低维子空间来表示。 我们把这个子空间叫做“脸空间”。PCA 的主要思想就是找到能够最好地说明图片 在图片空间中的分布情况的那些向量，这些向量能够定义“脸空间”。每个向量的 长度为 m ×n，描述一张m ×n 的图片，并且是原始脸部图片的一个线性组合，称 为“特征脸”。对于一副m ×n 的人脸图像，将其每列相连构成一个大小为D=m ×n 维的列向量。D 就是人脸图像的维数，也即是图像空间的维数。设 N 是训练样本 x 的数目； 表示第j 幅人脸图像形成的人脸向量； 为训练样本的平均图像向量， u j 则所需样本的协方差矩阵为： N S (x u )(x u )T (1) r j i j 1 1 N u xj (2) N j 1 令A x1 u x2 u  xN u,则有Sr AA T ,其维数为D*D。 根据 K-L 变换原理，需要求得的新坐标系由矩阵AAT 的非零特征值所对应得 特征向量组成。直接计算的计算量比较大，所以采用奇异值分解（SVD）定理，通 T T 过