基于pca算法的人脸识别技术研究

《基于pca算法的人脸识别技术研究》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、基于PCA算法的人脸识别技术研究　　摘要：人脸识别技术是一种生物特征识别技术，目前在多个领域中得到了广泛的应用。本文以人脸识别为目标，采用基于整体的特征脸方法，以直方图均衡化方法对人脸图像进行预处理，PCA算法为核心进行了分析与实验，有效地提高了人脸图像识别的精确性。通过MATLAB基于ORL人脸库进行对比实验，实验结果表明，文中设计方法对于人脸图像具有较高的识别率。　　关键词：PCA；人脸识别；特征提取　　中图分类号：TP391文献标识码：A文章编号：1009-3044（2016）22-0182-03　　Abstract

2、：Facerecognitiontechnologyisakindofbiometricidentificationtechnology，atpresenthasbeenwidelyusedinmanyfields.Basedonfacerecognitionasthegoal，USESthemethodbasedonthecharacteristicsofthewholeface，withhistogramequalizationmethodoffaceimagepreprocessing，PCAalgorithmast

3、hecoreareanalyzedwiththeexperiment，andeffectivelyimprovestheaccuracyoffacerecognition.ComparativeexperimentsbyMATLABbasedonORLfacedatabase，experimentalresultsshowthatthedesignmethodinthispaperforfaceimagehashigherrecognitionrate.5　　Keywords：PCA；Facerecognition；Fea

4、turedetection　　1概述　　人脸识别技术是一种生物特征识别技术，最早在19世纪末由美国科学家Calton提出，随着计算机技术不断发展，国内外对于模式识别研究的不断深入，人脸识别由于其具有唯一性、方便性、直接性、隐蔽性、安全性等优势，逐渐成为研究热点，在智能交通、军事作战、智能监控等多个领域得到广泛应用[1]。主成分分析[2]（PrincipalComponentAnalysis，PCA）是由KarlPearson和HaroldHotelling提出的一种统计方法，广泛应用于人口统计学、数量地理学、分子动力学模拟

5、、数学建模、数理分析等多个学科，1991年TurkM和PentlandA将主成分分析引入到人脸识别的研究[3]，而后作为一种基础的研究方法逐渐推广到计算机机器视觉、模式识别、图像信息压缩等研究领域。选取主成分分析法（PCA算法）作为特征提取方法，无法解决人脸图像分辨率、光照、角度等因素造成的识别率偏低的问题。为达到理想的识别率，本文在PCA算法进行特征提取的基础上，采用直方图均衡化方法对人脸图像进行预处理，能够在一定程度上提高人脸识别的识别率。　　2PCA算法概述　　PCA算法（主成分分析法）作为数学上常用的对数据进行降维

6、的一种方法，最早被TurkM和Pentland5A用于人脸识别的研究，取得了不错的效果。其基本思想是将原来众多的具有一定相关性的指标重新组合成一组新的互不相关的综合指标（通常表示为原始变量的某种线性组合）来代替原指标，用来完成对变量的降维和主成分的解释，并且能够最大限度地保留原有数据的结构分布，在最小均方意义下寻找最能代表原始数据的投影，从而达到对特征空间降维的目的。　　2.1PCA数学模型　　假设研究对象有n个样本，每个样本观测p项指标，可构成一个n×p阶数据矩阵：　　2.2PCA算法流程　　Step1：计算样本数据的协

7、方差矩阵；　　Step2：计算∑的特征值λi及相应的正交化单位特征向量ai；　　Step3：选择重要的主成分，并写出主成分表达式，计算主成分的贡献率和累计贡献率；　　Step4：计算主成分载荷：即第i个主成分Fi的特征值的平方根与第j个原始变量Xj的系数的乘积，主成分载荷反应了Fi和原始指标Xj之间联系的密切程度与作用方向；　　Step5：计算各主成分的得分，对样品的特性进行推断和评价。　　3人脸识别基本流程　　人脸识别通常也叫做人像识别、面部识别，主要是针对摄像头、视频监控等采集到的含有人脸的图像或视频流，并自动在图像中

8、检测和跟踪人脸，进而对检测到的人脸，人脸检测、特征提取与人脸识别是人脸识别过程中不可缺少的三个步骤。如图1所示，在进行人脸识别的过程中，所示我们首先通过图像采集获取图像，然后对采集到的图像进行人脸模块检测。如果检测结果显示为人脸图像，下一步进行对人脸图像的特征点定位及归一化处理，特征提取后送入分类器进行