利用主元分析识别人脸.pdf

第 32 卷 　第 4 期 贵 州 工 业 大 学 学 报 ( 自然 科 学 版 ) Vol . 32 No . 4 2003 年 　8 月 J OU RNAL OF GU IZHOU UN IV ERSIT Y OF TECHNOLO GY August . 2003 (Natural Science Edition) 文章编号 : 10090 193 (2003) 利用主元分析识别人脸 李 　丽 ,易从琴 ,孟传 良 (贵州工业大学计算机科学与信息技术学院 ,贵州 贵阳 550003) 摘 　要 :简要叙述了人脸识别方法 ,用 PCA 算法实现了人脸的识别 ,并对实验结果进行分析 , 认为 :PCA 算法的识别率不是很高 ,达到 78 . 6 % ,还需要改进提高 ,但它对于光照、姿势 、是否 戴眼镜 、脸部表情有一定的鲁棒性 。 关键词 :人脸识别 ;PCA 中图分类号 : TN 9 11. 73 ; TP309 ; TP39 1. 4 1 　　　文献标识码 :A 0 　前 　言 人脸自动识别技术就是用计算机分析人脸图像 ,从中提取有效的识别信息并自动鉴别的一种技术 。它 有很广泛的应用前景 ,例如可以应用在身份证 、护照等证件的核对以及罪犯身份识别等 。因此 ,近几年来 , 人脸识别技术受到广泛的研究 , 出现了多种算法 。F ER E T 在 1996 年的九月份测试了十种算法[ 1 ] ,得出了 以下结论 : ①PCA 算法 、LDA 算法 、弹性图匹配算法的识别率较高 。 ②光照、姿势对识别率的影响很大 ,它可以造成识别率的急剧下降。 据此 ,作者试用 PCA 算法进行人脸的识别 。 1 　标准化图像 由于人脸识别系统中所用图像要受到各种因素的影响,例如 : 图像的质量 、图像的背景 、图像的光照情 况 、图像的大小 、图像中人脸的旋转 、图像中人脸的脸部表情的不同等等因素 ,会造成人脸识别的困难和识 别率的下降。因此 , 目前研究人脸识别算法 ,首先要将人脸图像进行标准化 ,本文也不例外 。我们采取的标 准图像的尺寸大小为 90 ×90 象素 ,为眼睛位置固定 、眼睛间的距离固定的灰度图像 。如图 1. 图 1 　部分标准图像 2 　PCA 算法 收稿 日期 :2002 - 12 - 24 © 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. ( ) 　 贵 　州 　工 　业 　大 　学 　学 　报 　 自然科学版 2003 年 70 ( ) 　　PCA 算法 Principle Component Analysis 是一种主成分分析的算法 。这种方法将包含人脸图像区域看 作一种随机向量 ,因此可以采用 KL 变换得到正交变换基 ,对应其中较大的特征值的基底具有与人脸相似的 形状 。PCA 算法利用这些基底的线性组合可以描述 、表达人脸和逼近人脸 , 因此可以进行人脸的识别和重 建 。识别过程就是把待识别人脸映射到由特征脸张成的子空间中 ,与库中人脸的子空间位置进行比较 。人 脸的重建就是根据待识别人脸在子空间的位置 ,还原到人脸空间中。 2 . 1 　计算特征脸 设人脸图像 I ( x , y) 为二维 N ×N 灰度图像, 用 N 2 维向量 Γ表示 。人脸图像训练集为{ Γ|