基于PCA算法的人脸识别

基于PCA算法的人脸识别

第３０卷第６期增刊

２００９年６月

仪器仪表学报

Ｖ１０１．３０Ｎｏ．６Ｊｕｎ．２００９

ＣｈｉｎｅＳｅＪｏｕｍａｌｏｆＳｃｉ朗ｔｉｆｉｃＩｎｓｔⅢｍｅｎｔ

基于ＰＣＡ算法的人脸识别

段玉波贾莹王兴柱韩雪松

（大庆石油学院电气信息工程学院，大庆１６３３１８）

摘要：主成分分析（ＰｒｊｎｃｉｐａＩｃｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ，ＰＣＡ）方法是人脸识别技术中一种广泛应用的数据降维技术。从数学角度看，以Ｋ－Ｌ变换为基础的ＰｃＡ人脸识别方法是基ｒ统计的方法中最优的，它使得压缩前后的均方误差最小，且变换后的低维窄问钉很好的分辨能力。但这种传统的ＰＣＡ方法常常嘶临图像维数高，直接计算量大的问题。因此，Ｙ明ｇ等人提出了２ＤＰＣＡ方法，避免了从图像矩阵向一维向量的转换，并获得了满意的效果。文章对这两种方法做了理论上的比较，并通过实验证明２ＤＰＣＡ在识别方面略优于传统ＰＣＡ算法。关键词：丰成分分析二维ｔ成分分析人脸识别

Ｒｅｓｅａｒｃｈ

ｏｎ

ＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄＤｕ锄Ｙｕｂ０

ＪｉａＹｉｎｇ

ｏｎ

ＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ

Ｈ柚ＸｕｅＳｏｎｇ

Ｗａｎｇ

ＸｉｎｇＺｈｕ

（ＤｎｑｉｎｇＰｅｔｒｏｌｅｕｍＵｎ．ｖｅｒｓｉｌ）》Ｄｎｑｉｎｇ１６３３１８ｃｈｉｎＱ）

Ａｂｓｔｒａｃｔ：ＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓｉｓ

ａ

ｐｏｐｕＩａｒｍｅｔｈｏｄｆｏｒｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎｗｉｄｅｌｙｕｓｅｄｉｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ

Ｌ００ｋｅｄｆ而ｍｍａｔｈｅｍａｔｉｃｓａｎ２ｌｅＰＣＡｆ．ａｃｅ陀ｃｏＰ：ｎｉｔｉｏｎｍｅｔｈｏｄｓ舔ｔｈｅｆｏｕｎｄａｔｉｏｎｏｆｔｈｅＫ．ＬｍｏｓｔｓｕｐｅｒｉｏｒｉｎｔｈｅＳｔａｔｉｓｔｉｃａＩｍｅｔｈｏｄａｎｄｉｔ

ｏｎ

ｃａｕｓｅｓ

ｔｒａｎｓｆｏｍａｔｉｏｎｉｓ

ｔｈｅ

ａｒｏｕｎｄｔｈｅｃｏｍｐｒｅｓｓｉｏｎｔｈｅｍｅａｎ

ｅｍｒｔｏ

ｂｅｙｏｕｎｇｅＳｔ．ＢａＳｅｄ

２Ｄｍａｔｒｉｘ

ｔｈｅｔｒａｄｉｔｉｏｎａｌＰＣＡｍｅｔｈｏｄ２ＤＰＣＡｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄｗｈｉｃｈａＶｏｉｄｓｔｈｅ１

ｔ瑚ｓｆｏ硼ａｔｉｏｎ仔ｏｍｔｈｅ

ｏｎ

ｔｏ

ＤＶｅｃｔｏｒ卸ｄ

ｈａｓａｃｑｕｉｒｅｄ９００ｄｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙＴｈｉｓｐａｐｅｒｃｏｍｐａｒｅｓｔｈｅｓｅｍｅｔｈｏｄｓ

ｔｈｅｏ拶ａｎｄ

ｅｘｐｅｒｉｍｅｎｔａｌｄａｔａａｎｄｓｈｏｗｓｔｈａｔｔｈｅ２ＤＰＣＡｍｅｔｈｏｄｉｓｓｕｐｅｒｉｏｒｔｏｔｈｅｔｒａｄｉｔｉｏｎａｌＰＣＡｍｅｔｈｏｄ．Ｋｅｙｗｏｒｄｓ：ＰＣＡ

２ＤＰＣＡ

ｆａｃｅｒｅｃＯｇｎｉｔｉｏｎ

１

引言

近些年来，人腧识别作为一门既有理论价值又

转化为一维的图像向量，才能进行ＰＣＡ分析，而在这种转化后，造成图像向量的维数一般较高，使整个特征抽取过程所耗费的汁算量相当可观。

为了克服传统ＰＣＡ的不足，研究者们提出了二维ＰＣＡ（２ＤＰＣＡ）方法。与ＰＣＡ不同，２ＤＰＣＡ是基于２维图像矩阵而不是１维向量，因而特征提取的时候图像不必预先转化成一个向量。直接使用原始图像

Ｃｏｍｐｏｎｅｎｔ

有应用价值的研究课题，越来越受到研究者的重视和关注，各式各样的人脸识别方法层出不穷。在众多的方法中，基于特征脸的ＰＣＡ方法是一个主流的基’Ｊ：外貌的识别方法。

主成分分析方法１１１（蹦ｎｃｉｐａｌ

矩阵来构建图像协方差矩阵，它的特征向黾用来作特征提取。本文讨论了这两种方法在人脸识别中的应用，并在ＯＲＬ人脸库上进行了实验，所有试验表明２ＤＰｃＡ的识别率都高于ＰｃＡ，实验结果也显示了２ＤＰｃＡ在特征提取的效率上要更ｉ每于ＰＣＡ。

Ａｎａｌｙｓｉｓ，ＰｃＡ），即离散Ｋ．Ｌ变换，是图像压缩中的一种最优正交变换。它用。个低维子空问来描述人脸图像，同时又能在一定程度上保存所需要的识别信息。其基本原理为【２，３Ｊ：由高维图像空问经Ｋ．Ｌ变换后得到一组新的正交基，对这些正交基作一定的取舍，保留其中的一部分生成低维的人脸空问，即人脸的特征子空问，识别时将测试图像投影到此空问，得到一组投影系数，通过与各个人脸图像比较进行识别。这种方法使得压缩前后的均方误差最小，且变换后的低维窄问有很好的分辨能力。但在这种人脸识别技术中，二维的人脸图像矩阵必须先

１４４

２基于ＰＣＡ人脸识别方法

２．１

ＰＣＡ方法

ＰＣＡ方法是由Ｔｕｒｋ和Ｐｅｎｔｌａｄ提出来的，它的基

础就是Ｋａｒｈ帅ｅｎ．Ｌ０ｅＶｅ变换（简称ＫＬ变换），是一种常用的正交变换。完整的ＰＣＡ人脸变换包括以下几

…… 此处隐藏：3652字，全部文档内容请下载后查看。喜欢就下载吧 ……