基于主成份分析法与灰关联分析法之人脸辨识-台北立大学资讯科学.PDFVIP

基於主成份分析法與灰關聯分析法之人臉辨識 Face Recognition based on PCA and GRA 1 2 3 邱柏智 、葉榮木 、蔡俊明 1.國立台灣師範大學 機電科技研究所 2.國立台灣師範大學 機電科技研究所 3. 臺北市立教育大學 數學資訊教育系 摘要 本篇論文提出一套結合主成份分析法與灰關聯分析法的人臉辨識方法，此方 法的架構分為以下三個階段：首先，在影像前處理的階段，我們使用二維小波轉 換，對輸入影像做資料壓縮的處理，接著，利用主成份分析法將壓縮過的人臉影 像，投影到低維度的子空間中，計算出具有代表性的特徵臉，最後，再使用灰關 聯分析法，來辨識出正確的人臉圖片。為了驗證本篇所提出的方法，我們使用 ORL 人臉資料庫，做了一些分析和比較的實驗，實驗結果證明，無論在訓練樣 本較少或是有足夠訓練樣本情形下，都可以得到不錯的辨識率，尤其是在 leave-one-out實驗中，本篇所提出的方法，辨識率可以達到96.8%。 關鍵字 ：人臉辨識、小波轉換、主成份分析法、灰關聯分析法、特徵臉。 Abstract In this paper, we present a hybrid face recognition method, which combines Principal Component Analysis and Grey Relational Analysis. The proposed method mainly consists of three stages. First, during preprocessing, we performed Discrete Wavelet Transformation for data compression. Second, using Principal Component Analysis to project the input images into a low dimension subspace, we calculated the representative eigenface. Finally, we used Grey Relational Analysis to recognize the face images. To test the proposed method, a series of tests and comparisons were 第一屆電資科技應用與發展學術研討會 performed by using ORL face database. The experimental results show a good recognition rate not only for an abundant amount of training samples, but also for a small amount of samples. Especially in the leave-one-out experiments, our approach can attain a 96.8% recognition rate. Keywords ：Face Recognition, Wavelet Transformation, Principal Component Analysis, Grey Relational Analysis, Eigenface. 壹、前言 近年來，世界各國的治安日益惡化，犯罪手法日益翻新，為了安全考量，利 用電腦做自動化個人身分辨識系統的需求