基于EigenFace人脸识别结题报告.docxVIP

基于EigenFace人脸识别结题报告 （一）特征脸方法介绍： 特征提取是人脸识别系统中最为重要的一个组成部分。主成分分析方法（PCA ） 是应用最广泛的一种特征提取方法之一,它是一种统计学方法,在信号处理、模式 识别、数字图像处理等领域已经得到了广泛的应用。特征脸方法是从主成分分析导 出的一种人脸识别和描述技术。它将包含人脸的图像区域看作一随机向量，采用 K-L变换得到正交K-L基，对应其中较大特征值的基具有与人脸相似的形状，因此 又被称为特征脸。利用这些基的线性组合可以描述、表达和逼近人脸图像，所以可 进行人脸识别与合成。识别过程就是将人脸图像映射到由特征脸组成的子空间上， 并比较其在特征脸空间中的位置。 假设一幅人脸图像包含N个像素点，它可以用一个N维向量「表示。这样，训 练样本库就可以用（i二1, M）表示。协方差矩阵C的正交特征向量就是组 成人脸空间的基向量，即特征脸。 将特征值由大到小排列：入1$入2$... 2入r ,其对应的特征向量为uk。这 样每一幅人脸图像都可以投影到由ul, u2, ur组成的子空间中。因此，每一 幅人脸图像对应于子空间中的一点。同样，子空间的任意-点也对应于一幅图像。 1. 2特征向量提取 虽然协方差矩阵Q最多有对应于非零特征值的k （k远小于M）个特征向量, 但是通常情况下，k仍然很大，而申实上，根据应用的要求，并非所有的特征向量 都有需要