基于主成分分析探究(PCA)的人脸识别算法探究.pdfVIP

ELECTRONICS WORLD·技术交漉 基于主成分分析(PCA)的人脸识别算法研究 北京联合大学赵来元高鸿彬李媛 【摘要】基于主成分分析(PCA)的人脸识别算法由于其识别率高、算法技术成熟越来越多的被用做人脸识别技术的研究。本文 验，提出了一些关于提高人脸识别精度的建议。本文设计的人脸识别系统依托于MATLAB仿真软件，首先摄像头采集环境中人脸 图像，并通过人脸检测与定位提取出人脸区域，然后对人脸图像进行预处理提高识别率，接着对人脸库进行K—L变换计算出特征脸 值，提取出特征信息，最后计算出被识别人脸图像与特征脸之间的距离，与设定的识别阀值进行比较，如果高于识别阀值则认为被 识别人脸为系统注册用户．否则为非注册人员。 【关键词】MATLAB；PCA算法；人脸识别；人脸检测；图像处理 一．引言 网 在现在社会信息化进程中，生物特征识别技术已渐渐被我们 熟知，其中包括：指纹识别技术、语音识别技术、人脸识别技术、 虹膜识别技术、DNA识别技术以及眼角膜识别技术等。作为机器 视觉特征识别技术的代表人脸识别技术，也越来越广泛的应用到我 们的日常生活和国家军事安全中，如社区安防系统和门禁系统、智 薮翮≤涵 能锁、公司考勤系统、关口通行、民航身份确认、银行金融保险系 统、网络银行电子支付、警方追击逃犯和反恐、军事安防等方面。 图1直方图增强图像 人脸识别技术分为人脸辨别技术和人脸认证技术两种，相比较 2．图像噪声抑制一一中值滤波 其他生物识别技术而言具有以下优点：非接触性，用户不需要和设 图像中噪声点处像素的灰度值通常要比其旁边非噪声点像素 备直接接触；非强制性，被识别的人脸图像信息可以主动获取；并发 的灰度值大很多或小很多，因此如果对于噪声点处像素的灰度值 性，即实际应用场景下可以进行多个人脸的分拣、判断及识别。 运用合适的灰度值代替，也能够获得本文想要的滤波结果。中值 滤波就是将要处理图像的灰度值进行排序，如果存在灰度值骤然 二、图像预处理 变大(变小)的噪声点，就会在灰度值排序过程中被排放在数据 的最左(右)端，最终选择数据时选择排在数据中间位置非噪点 图像的预处理就是在进行人脸识别之前的数据处理。不论 的灰度值，由此就可以实现对图像抑制噪声的目的。 采用什么设备、怎样的角度和什么样的采集环境，所采集到的 中值滤波的基本原理：取一个二维的模板矩阵，将需要进行滤 人脸图像的质量往往并不理想，因此不能直接进行人脸识别步 波的图像像素点进行排序形成单调数据序列，然后利用公式滤波： 骤，都需要对这些人脸图像进行处理，改善图像的质量，突出 g(x，y)=Med{f(x—k，Y—Z)，(t，，)∈矿) 对人脸识别有用信息，削弱甚至去除噪声等对人脸识别无用的 其中，丘x曲，∞嘞分别为原图像和处理后的图像；w为二维模板。 信息。通常对于图像的预处理主要包括以下几个方面：图像增 中值滤波效果如图2所示。 强、噪声抑制、图像锐化和边缘检测等。 1．图像增强一一直方图均衡化方法 直方图均衡化方法的设计思路是：展宽对于图像画面起主要作 用的的像素点的灰度值(即画面中像素点较多的灰度值)，而归并对 画面起作用不是很大的甚至不起作用的像素点(即画面中像素点较少 甚至没有的灰度值)，从而达到使得图像更加清晰化的目的。 如果设f(id)，g(ij)，(i-l，2，3，…，M；j=I，2，3，…，N)分别为原始未处理 的图像和现在已经处理后的图像，而且图像的灰度值变化范围仍 然为[O，255]，则进行直方图均衡化进行处理的具体步骤如下： 第一步：求原始未处理的图像If(ij)