基于本征空间的多姿态人脸识别方法.docVIP

基于本征空间的多姿态人脸识别方法 　　摘 要：多姿态人脸识别是目前人脸识别中的难点,已有方法的识别率普遍不是很高。利用PCA对不同姿态的人脸分别建立特征子空间,将待识别人脸图像向相应的特征子空间投影的方法,可以提高多姿态人脸的识别率。实验结果表明,该方法对样本多姿态的人脸图像识别率可以达到97%。 　　关键词：多姿态；人脸识别；PCA；欧氏距离 　　中图分类号：TP391 文献标识码：B 　　文章编号：1004-373X(2009)01-181-03 　　 　　Multi-pose Face Recognition Based on Eigenspace 　　LI Quanbin1,HUANG Chang2 　　(1.College of Physics and Electronic Engineering,Xuzhou Normal University,Xuzhou,221116,China; 　　2.School of Information Science and Technology,East China Normal University,Shanghai,200062,China) 　　Abstract：Multi-pose face recognition is a very difficult task,how to improve the recognition rate is a challenge.This paper providsps an efficient multi-pose face recognition method based on eigenspace using PCA.It shows that making different eigenspace for variant pose is the effective way for solving the multi-pose face recognition based on many multi-pose samples.The results of experiment show that this method has a high face recognition rate of 97% to the multi-pose face images. 　　Keywords：multi-pose;face recognition;PCA;Euclidean distance 　　 　　0 引 言 　　 　　人类利用生物特征识别的历史可追溯到古代埃及人通过测量人体各部位的尺寸来进行身份鉴别,现代生物识别技术始于上世纪70年代中期,目前已经成为发达国家普遍重视并大力发展的关键技术和产业。在生物认证方面,人脸识别具有特定的优势。相比其他生物认证技术,如指纹识别,有一部分人是没有指纹的,或者指纹无法录入,仅靠指纹识别就会出现障碍；如虹膜识别,有些眼睛有障碍的人也是无法使用的；还有声音识别,对于发音有障碍或者无法说话的人群来说,这是毫无意义的。正是基于人脸的人人具备这一先天优势,近年来,作为生物特征认证的重要分支――人脸及器官的检测、定位和识别技术开始受到广泛重视［1］。 　　多姿态人脸识别是目前人脸识别中的难点,识别率普遍不是很高。国内外许多学者已对多姿态人脸识别进行了深入研究,提出了许多姿态判定［2-8］和识别算法［9-12］。 　　在多姿态人脸数据库构建［13］的基础上,利用PCA对不同姿态的人脸分别建立特征空间,待识别人脸图像向相应的特征空间投影,进而利用欧氏距离进行分类识别,获得了较高的多姿态人脸图像识别率。 　　 　　1 基于本征空间的多姿态人脸识别方法 　　 　　Sirovich 和 Ksub＞i/sub＞rby首先使用PCA方法对人脸图像进行降维处理并实现了人脸图像的重建［14,15］,随后,1991年,Turk 和 Pentland首先利用PCA方法实现了人脸识别(称为本征脸方法)［16］。此后,基于本征空间的许多人脸识别方法被提出来,PCA人脸识别方法也到了进一步的发展［17-20］。 　　1.1 利用本征脸建立多姿态人脸特征空间的步骤 　　(1) 从已知的人脸图像中按姿态选择训练图像M张,每人可以选同姿态的一张或多张照片(表情和光照有所变化)。 　　(2) 计算M×M的矩阵的特征值和特征向量,选择M′个主成份分量。 　　(3) 计算得到该姿态的特征脸空间μ。 　　(4) 重复步骤(1)~(3)得到各个姿态的特征脸空间。 　　1.2 欧氏距离分类器的设计 　　采用欧式距离分类器,对未知人脸图像和特征空间各类别对应的特征空间向量之间的欧式距离进行计算,未知人脸