人脸识别的方案.docVIP

公式及符号说明如下： 人脸库：ORL（Olivetti Research Laboratory）人脸库。 图像尺寸： 训练集的人数：人 每个人的训练图像：4张/人 训练集的图像数：张 人脸空间维度： 训练集图像向量： 平均脸： 差脸： 矩阵： 协方差矩阵： 辅助矩阵： 的特征值和特征向量 单位正交化后的特征向量（即特征脸） 一幅图像投影到人脸空间后得到的一套权值：， 一幅图像投影到人脸空间后得到的模式向量：，计算公式为 平均模式向量：，由每人各自所对应的4条模式向量求平均得到 测试图像到人脸空间之间的距离：，其中， 测试图像与训练集中某已知个体之间的距离：， 判断图像是否为人脸图像的阈值：，根据经验设定 判断人脸是否为某个已知人脸的阈值：，根据经验设定 特征脸方法进行人脸识别的步骤如下： 获取一个尺寸一致（）的人脸图像训练集，训练集图像来自ORL库中的15个人，每个人有10张图像（都是正面图像，光照和表情有细微差异），取4张作训练图像，剩下的6张作测试图像，所以共有60张训练图像，90张测试图像。 把这60张训练图像都转化为灰度图，再以每张图像像素点的灰度值为元素，组成60条列向量：,每条向量的长度为。 先根据公式，计算平均脸；然后，根据公式，计算出每个人脸与平均脸之差（差脸）。接着，引入矩阵, ，最后构造两个矩阵：和，其中是的协方差矩阵，是的辅助矩阵。 求出矩阵的特征值，，对进行降序排列，挑出个较大的特征值，并求出与它们对应的特征向量，，根据公式，，注意：不要把这里的与前面的混淆，是的特征向量，是的特征值。计算出个，然后把这些归一化为单位正交向量。单位正交化后的就是我们常说的“特征脸”。最后由这59个特征脸构成一个人脸空间。 下面介绍一下怎样把一张图像投影到人脸空间上，并计算出模式向量 pattern vector 。在计算之前，需要先计算一套权值，。计算公式为：。然后根据这一套权值就可以组合成，公式为，； 根据第6步的介绍，把训练集的60张图像依次投影到人脸空间上，计算出各自的模式向量 pattern vector ，我们知道，训练集里的15个人各自都对应着4条模式向量，我们把每个人所对应的4条模式向量分别求平均，就可得到15条平均模式向量。 当遇到一副测试图像时，根据步骤6，我们计算出它的模式向量，； 计算测试图像到人脸空间之间的距离。计算公式为：其中，，，其中。若距离小于阈值 多次试验后，根据经验设定 ，则表明这是一张人脸图像； 如果输入图像为人脸图像，则计算它与训练集中各个个体（共15个人）之间的距离，如果距离小于阈值 根据经验设定 ，则它属于这个已知个体。计算公式为：，，其中表示测试图像与第个个体之间的距离，表示测试图像的模式向量，表示第个个体的平均模式向量。 当所有的测试图像都测试完之后，统计识别正确率，并将其打印输出。