基于主成份分析(PCA)的人脸识别

《基于主成份分析(PCA)的人脸识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第18卷第10期2∞8年10冀．计算机技术与发展vcd．18№．10(X-')MPLY狂R豫：琵qC《oGYAND蕊、习二∞驴鹾￡NrOct。20G8基于PCA算法的人脸识别尹飞，冯大政(西安电子科技大学雷达信号楚理萄家重点实验室，陕西蹲安710071)摘要：利用K；A算法提供了—个高维和低维阍的线性变换矩阵，选个变换矩阵可以通过求取协方差矩阵的特征向萱获缮磊纛篱其它参数。PCA掰遂戆线性变换矩簿慰截瑟瓣误差在均方差意义下最小豹特点，羁以备维特征欧氏距褰主黔重建误差和最小为目橼，平均对待每一维特征，来截取图像一部分能量，以降低获取数据的维数，提高识别的

2、速魔，同时尽可能堆擒高精度。关键谲：P(’A算法；误差；精度；线性变换矩阵中图分类号：m83文献标识码：A文章编号：1673—629X(2008)10—0031—03IdentificationofFaceBasedonPCAAlgorithmYINFei，FENGDa-zheng(NationalKeyLab．ofRadarSignalProcessing，XidianUniversity，Xi’an710071，China)Abstr姒：Osingspecialtyofprinciple∞mp(m眦tsanalysis(tVA)algorithmp

3、rovidelinearitytransformationrnauixbetⅥteenhypsi—di—menskmandhyp—din黜1s；∞，whichshouldObt{linbycovarianeeperform撇vectorand∞t糙ng球粥删盱，PCAreversiblelinearityrl摄．trixintercepdvee!fl'ornli】画nl蝴∞riqe出,-lsquareerror(MSE)，thatistOsay，itisatargetthat雠eachd虹n暇咖’scharacteristicEuterdistance

4、re—establishmenterlDrandminimtnnerror，averageallcharacteristicvectorofeachdimension。intercepting箕雠energyofim-ages，inordertOredm'eda宦蹩n踌onofeaptu趣dataandimlax挣erateandaccuracyofidentifkmion．Keywords：l圮Aalgorithm；error；accuracy；IinearitytransformationmatrixO引言近几年来，图像处理和谈别技术褥蓟了避速的发

5、展，常震的图像识别方法有统计模式识羽方法、句法模式识别方法、模糊模式识别方法和神经网络识别方法。在图像识涮中，基于神经网络的模式识剐技术是当前研究的热点之一。运耀神经网络愿理的方法有谗多，如基于径相基(砸狙)、支持向量基(SVM)、Hebb学习等[1～引。神经网络在模式分类巾，通常有两种作用：一是自动提取训练样本特征。如使用反向传播算法训练詹的前馈阏络的豫屡节点就可餐俸是提取特征，这类鼹络的隐层神经元总数往往要少于训练模式向量，以达到降低维数的作用；二魁对已提取的特征进行模式分类，其佟用摆造于统计模泼中分类器的设计。掰有方法中获取图像的能量不可能完全被

6、利用。在满足误差的均方差最小的情况下就可以截断一部分髓量，这样在提收稿日期：2008一01一13撵蠹麓分：尹飞(1978一)，男，硬±秘究生，戮究方向为捧经燃络信号处理；冯大政，教授，博士生导师，研究方向为雷达储号处理、神经瓣络薅号矬理、骞信号鲶毽。取特征值时，可以降低输入数据的维数。文中的主成分分析(prlnciplecomponentsanalysis，PCA)算法就是基于这一点来处理数据的。lPcA方法1。1PCA方法的应用人脸识别是一个具有广阔的应用前景和挑战性的研究课题，与指纹、视网膜、鲑膜、基因等其德人体生物特德识别系统檩比，入脸识别系统以

7、其直接、友好、方便等特点更容易被用户所接受，成为近年来模式识别领域中的研究热点[副。翦人提出了许多久验谖羁的方法，其中生成分分析(ⅨA)法一直受到人们的关注。SIROVICH和KII础首先采用PCA算法来表示人脸，焉TURK和P烈麓A瀚提如了一个著名的人脸识别算法，称为“特征脸”。传统的基予PCA的特征脸法，选择那些较大特征值所对应的特征矢量用于识别，鄹寨分量特征；也有入提密应选择较小的特鬣燕掰对应的特{芷矢量，即次分量特征。这些方法都是采取事先确定的方式去选取特征空间。主成分又称主分量、圭元素。它是研究妇谤通过·32·计算机技术与发展第18卷原来变量

8、的少数几个线性组合来解释随机向量的方差一协方差结{每，是数据压缩翻特征提取串一种多维向量的统计