基于子空间分析的人脸识别方法研究.pdfVIP

第2卷第5期中国光学与应用光学Vo1．2No．5

2009年10月ChineseJournalofOpticsandAppliedOptics0ct．2009

文章编号1674-2915(2009)05-0377—11

基于子空间分析的人脸识别方法研究

葛微，程宇奇，刘春香，陈秋萍

(1．中国科学院长春光学精密机械与物理研究所，吉林长春130033；

2．中国科学院研究生院，北京100039)

摘要：人脸识别技术是模式识别和机器视觉领域的一个重要研究方向，基于子空间分析的特征提取方法是人脸识别中特

征提取的主流方法之一。本文对E1前应用较多的子空间分析方法进行了研究，具体介绍了线性子空间分析方法：主成分

分析(PCA)、线性鉴别分析(LDA)、独立主成分分析(ICA)、快速主成分分析(FastICA)，和非线性子空间分析方法：基于

核的PCA(KPCA)的基本思想以及这些方法在人脸识别中的研究进展和一些新的研究成果。此外，还应用orl及YaleB

人脸库对几个基础的子空间方法进行了验证实验。实验结果表明，在几个子空间分析方法中，FastICA算法取得了最高

的识别率。最后，结合实验结果对各算法的优缺点进行了分析总结。

关键词：人脸识别；子空间分析；线性子空间分析；非线性子空间分析

中图分类号：TP391．4文献标识码：A

Researchoffacerecognitionmethodsbasedonsubspaceanalysis

GEWei，CHENGYu—qi，LIUChun—xiang，CHENQiu—ping

(1．ChangchunInstituteofOptics，FineMechanicsandPhysics，

ChineseAcademyofSciences，Changchun130033，China；

2．GraduateUniversityofChineseAcademyofSciences，Betling100039，China)

Abstract：Facerecognitionisanimportantresearchdirectionofpatternrecognitionandmachinelearning．

Amongmanyapproachestothefacerecognition，thefeatureextractionmethodsbasedonsubspaceanalysis

givethemostpromisingresults，andhavebecomeoneofthemostpopularmethods．Inthispaper，subspace

analysismethodswereresearchandseveralkindsofthelinearsubspacemethod，suchasPrincipalComponent

Analysis(PCA)，LinearDiscriminantAnalysis(LDA)，IndependentComponentAnalysis(ICA)，FastICA

andnonlinearsubspacemethodssuchasKernelPCA(KPCA)wereintroduced．Thebasicprinciplesandtheir

researchachievementsofthesemethodsweredescripedandtheanalysisapplicationstofacerecognitionwere

given．Moreover，theORLandYALEBdatabaseswereusedtoverifythesebasicsubspacemethods．Theex—

perimentresultsindicatethatFastICAmethodismorepowerfulthanothersubspacemethodsforfacerecogni—

tion．Finally，thead