PCA与2DPCA机器学习.pdfVIP

基于PCA 的人脸 识别 摘 要 随着社会的发展和科技的进步，人们的生活和身份逐步趋于数字化，人们对信息安全 和隐蔽性也越来越重视，这促使了对人类身份识别与认证技术的发展。现在，用计算机完 成人脸识别任务，是一项很热门的同时具有挑战性的课题。它是由很多领域交叉而成的， 如：模式识别、图像处理、计算机视觉和认知科学等。人脸识别技术的实际应用很广泛， 且是现代生活自动化智能化所需的认证身份的一种重要方法。 人脸识别主要包括人脸检测、特征提取和人脸识别三部分。本文在前人的研究基础上， 主要从主成分分析（PCA）算法入手，介绍了算法的基本原理以及实现过程，并用 MATLAB 模拟仿真了单一PCA 算法。同时，通过识别不同特性的待测人脸图像来简单的验证、分析 了该识别算法的性能。PCA 很容易引发“维数灾难”问题，训练样本的类别信息不能得到 有效利用，为了克服PCA 的不足，提出二维主成分分析，即2DPCA，其不需要先把样本矩 阵变成一维行向量，而是直接计算人脸图像。因此，能保留更多的结构信息，性能优于PCA。 关键词：特征提取、人脸识别、PCA、2DPC 目录 中文摘要 ABSTRACT 第一章 绪论····························································································1 1.1 人脸识别背景 1 1.2 起源与现状 1 1.3 人脸识别技术 3 1.4 本文内容 3 第二章 PCA 与2DPCA ··············································································5 2.1 PCA 算法 5 2.1.1 原理 5 2.1.2 PCA 在人脸识别中的应用 6 2.1.3 特征值的处理 7 2.1.4 改进 8 2.2 2DPCA 算法 8 2.2.1 原理 8 2.2.2 2DPCA 特征提取 10 第三章 实验结果与分析···········································································11 3.1 人脸数据库 11 3.2 实验过程 11 3.3 实验结果 12 3.3 结果分析及优缺点 16 第四章 总结··························································································17 4.1 总结与展望 17 参 考 文 献··························································································18 第一章 绪论 1.1 人脸识别背景 随着科技的不断发展，各项科学技术已走进人们的日常生活。社会的生产方式及人们 的生活方式都越来越自动化、智能化。在应用技术开启了人们自动化生活大门的同时，也 给人们提出了一个新的课题：如何让我们自动化的生活既安全又方便？因此，对于涉及辨 别个人主体权限的自动化场合，需要有一种能够有效的、可靠的、方便的认知个人主体的 计算机技术，来保证人们自动化生活的安全性及隐私性。由此产生了生物特征识别技术。 生物特征识别即根据个人主体所独有的生理特征，如：人脸、指纹、视网膜、基因、声音、 行为特征等，使用计算机进行数字信号处理和模式识别来鉴别身份的一门交叉科学。 使用生物识别技术具有其不可取代的优势：1、人体所特有的特征具有唯一性、不可 复制性，不会被窃取，且随身而行，永远不存在忘带、丢失的情况，不需要经营管理。而 且其通用性也可以使得我们不必像现在这样每个场合设置不同密