基于特征脸的主成分分析人脸识别.docVIP

　　基于特征脸的主成分分析人脸识别 摘要：采用基于PCA（主成分分析）的特征?人脸识别方法，判断一张给定的图像是否为人脸图像。该方法通过计算训练集的特征向量，得到一个由特征脸组成的子空间，并将训练集中的人脸图像投影到该子空间中。检测人脸时，将二维的人脸图像投影到脸空间，并计算该图像与脸空间之间的欧几里得距离，以距离是否小于某一设定的阀值来识别是否人脸图像，实验测试结果准确率为97.5%。 中国 8/vie 　　关键词：人脸识别；特征脸；主成分分析 　　中图分类号：TP391文献标识码：A 　　1引言 　　人脸检测是一种是人脸识别的重要组成部分，因为人脸是复杂、多维和表情丰富的。人脸检测大多数是检测人脸的正面，多姿态和复杂背景下的检测目前仍然存在较大的困难。从20时代50-60年代开始，人们就以开始研究人脸识别[1-3]。人脸识别技术可以分为基于几何特征的方法[4]、基于模板的方法[5]、基于模型的方法[6]。主成分分析（PCA， Principle ponent Analysis），是一种统计学方法， 其基本思想是提取出空间原始数据中的主要特征， 减少数据冗余， 使得数据在一个低维的特征空间被处理， 同时保持原始数据的绝大部分的信息， 从而解决数据空间维数过高的瓶颈问题[7-9]。在众多特征提取技术中，子空间分析方法因其实施性好、有效性高等特点，成为人脸图像特征提取和识别的