K-L变换在人脸识别中应用.docVIP

K-L变换在面部识别中的应用 摘要：人脸识别技术是当今的热门研究课题，本文对人脸识别技术在国内外的研究现状做了大致的介绍。介绍了一种特征提取的方法K-L变换，并对此进行了应用举例。 关键字：人脸识别，K-L变换 The Application of K-L transform in Human Face Recognition College of Information Science and Technology，DongHua Universityfeatures of face，and make a example of this method. Key word: human face recognition，K-L transform 随着科技的不断进步，生物识别技术的发展也越来越受到人们的广泛关注。在众多生物识别技术中，人脸识别技术以其使用方便、识别精确度高、速度快、用户接受度高、直观性突出和易于推广使用等诸多优点成为了当前最有发展潜力的生物别技术之一。 人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别（Human Face Recognition）技术是一个涉及到模式识别、图像处理、计算机视觉、心理学以及认知科学等诸多方面的课题，并与其他的生物特征的身份鉴别方法以及计算机人机交互领域都密切联系[1]。随着计算机技术的不断发展，人脸识别技术得到相应的发展和壮大。作为个人身份鉴定的重要手段和人类智能的重要体现，人脸识别技术以在众多领域得以应用，具有广泛的应用前景。 国内外研究发展现状 1965年Chen和Bledsoe关于自动人脸识别的报告的发表标志着真正意义上的人脸识别技术研究的开始。通过几十年的发展，人脸识别技术已经越来越成熟，并且已经开始应用于众多的领域中。 国外发展现状 国外在人脸识别技术领域的研究开展得相对较早，有着相较成熟的研究成果，这其中包括美国、日本和欧洲的一些国家。美国在人脸识别领域有较多的研究。对于二维图像的人脸，通过提取几何特征根据其变化来识别；对于三维人脸模型，通过建立头部三维网络模型与二维图像关键点之间的映射联系来识别。欧洲国家在人脸识别上也有不少成就。比如荷兰代夫特大学通过人脸正面和剖面两幅图的特征点构成特征向量来进行识别。 美国的FERET（Face Recognition Technology）人脸数据库是目前最大的人脸数据库，由美国军方研究实验室提供。该库包含了14051幅多姿态、不同光照条件的灰度人脸图像，是目前人脸识别领域应用最广泛的人脸数据库之一。 美国的PIE人脸数据库是由美国卡耐基梅隆大学创建的，由68个人的41368张多姿态、多光照条件和多表情的面部图像组成。 英国的Manchester人脸数据库由30个人的690幅图像组成，其中训练集合测试集分开，有不同的光照和背景特征。 英国的ORL人脸数据库由40个人的400幅灰度图像组成，部分图像包括了姿态、表情和面部饰物的变化。 欧洲的M2VTS多模型数据库由37人每人5个图像序列组成。该数据库多用于测试多模型身份的鉴别。 日本的ATR数据库由60人组成，其中人脸图像是静止的而非运动图像序列。该库考虑了除了人脸特征外的其他信息在人脸识别中的应用，提供人脸和语音的合成。 还有其他的数据库如AR人脸数据库、Yale人脸数据库、CMU正面人脸数据库等等。 国内发展现状 目前国内对人脸识别技术领域的研究也在蓬勃发展，在机关单位的安全考勤、网络安全、海关边检、智能身份认证、银行、计算机登录系统等方面都有着频繁的应用。国内许多研究机构在自然科学基金、863计划等资助下从事人脸识别领域的研究工作并取得了一定的成果。我国正在不断地加大对人脸识别技术的科研投入。国内还有许多大学和研究机构在积极的从事人脸识别领域的研究，如清华大学、中国科技大学、中科院、南京理工大学、哈尔滨工业大学等都有专业人员进行人脸识别的研究，这些研究者在人脸识别领域积累了宝贵的经验。近几年在国际知名的期刊上我国不少的研究者发表了大量该领域的相关论文。 我国很多学者都致力于研究基于三维模型的人脸识别技术，但是由于其自身的复杂性和困难性，所以目前词方面发展还较慢。国家的“十一五”科技发展规划也将人脸识别技术的研究与发展列入其中，并明确指出：“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别技术研究，开发高安全性、低误报率的人脸新产品。”[2] K-L变换在人脸识别中的应用 K-L变换简介 Karhunen-Loeve变换简称K-L变换，是模式识别中一种常用的特征提取方法。它有多个变种，其最基本的形式原理上与主要成分分析是相同的，但K-L变换能够考虑到不同的分类信息，实现监督的特征提取[3]。K-L变换是由卡尔胡宁(K