基于ICA和FLD相结合的人脸识别.pdf

《基于ICA和FLD相结合的人脸识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第8期赵明华等：基于ICA和FLD相结合的人脸识别·255·基于ICA和FLD相结合的人脸识别赵明华，游志胜，吕学斌，穆万军（四川大学计算机学院图形图像研究所，四川成都610064）摘要：ICA作为一种传统的人脸识别方法，虽然识别效果较好，但却没有考虑类别信息。为了将类别信息融入ICA方法中，尝试利用FLD和ICA相结合的方法对人脸进行识别处理，即在使用ICA方法获得训练模式的统计独立基向量的基础上，对基向量张成的子空间使用FLD方法。利用几个人脸数据库对该方法进行了实验。实验结果表明，使用上述方法进行人脸识别，其效果优于传统的PCA方法、FLD方法和ICA方法。关键词：主成分分析；独立成

2、分分析；Fisher线性辨别分析；人脸识别中图法分类号：TP391.41文献标识码：A文章编号：1001-3695（2005）08-0255-03FaceRecognitionBasedonICACombinedwithFLDZHAOMing-hua，YOUZhi-sheng，LVXue-bin，MUWan-jun（InstituteofImage&Graphic，SchoolofComputerScience，SichuanUniuersity，ChengduSichuan610064，China）Abstract：AlthoughthetraditionalICAmethodhasgo

3、odperformanceinfacerecognition，itdoesnotconsiderclassinforma-tion.InordertoincorporateclassspecificinformationintoICA，attemptstocombineICAwithFLD.AftergettingstatisticallyindependentbasisvectorsbyapplyingICAtoalltrainingpatterns，applyFLDtothesubspacethatthebasisvectorsspan.EX-perimentalresultsusin

4、gseveralfacialdatabasesshowthatthismethodhasbetterperformancethanPCAonlybasedmethodsaswellasotherrepresentativemethodssuchasFLDandICAmethods.Keywords：PrincipalComponentAnalysis；IndependentComponentAnalysis；FisherLinearDiscriminantAnalysis；FaceRecognition计算机人脸识别是由计算机分析人脸图像，从中提取出有标出图像上的一个点，而矩阵中的相应元素

5、的值标出该点的灰效识别信息，用于辨认身份的一种技术。目前，人脸识别技术度等级。串联所有行，一幅MXN大小的人脸图像按列相连而已经成为模式识别和人工智能领域的一个研究热点。其在公构成一个MXN维列矢量xi。以归一化后的标准人脸图像作安、安全验证系统、信用卡验证、医学、档案管理、视频会议、人为训练样本集，协方差矩阵可以表示为机交互系统等方面广阔的应用前景不言而喻。TTTS=2（xi-!）（xi-!）=XX（1）i=1人脸识别技术的研究开始于20世纪60年代末70年代初，早期的识别方法是基于部件的［1］。目前人脸识别的主要其中，X=［（x1-!），（x2-!），⋯，（xT-!）］，xi为第i个训

6、练样本的图像向量，!为训练样本集的平均向量，T为训练样本方法有基于代数特征参数方法、基于几何特征参数方法、基于的总数。弹性模型方法、基于HMM方法等。主成分分析（Principle［2］直接求MNXMN维矩阵!的特征值和正交归一的特征向ComponentAnalysis，PCA）法、Fisher线性判别（FisherLinear量是非常困难的。按照矩阵的奇异值分解（SVD）定理，可以通Discriminant，FLD）法和独立成分分析（IndependentComponentTT过求XX的特征值和特征向量求得XX的特征向量。Analysis，ICA）法应用比较广泛。其中，PCA方法和FLD

7、方法1-的基本思想是在特征空间上找到一些方向，使得在新的方向上即U=XV!2（2）表示数据的误差平方和最小，同时又能有效降维。ICA方法是其中，U=［!1，!2，⋯，!T］，V=［"1，"2，⋯，"T］，!=diag（#1，#2，TT在特征空间上寻找最能使得数据相互独立的方向。⋯，#T），!i，"i分别是XX，XX对应于特征值#i的特征向量。T人脸识别的过程中，背景、光照、表情、视角等多种类内变由于XX为TXT（T<