一种应用PCA的人脸图像集识别方法.pdf

《一种应用PCA的人脸图像集识别方法.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、文章编号：1007—1423(2014)12—0023—04DOI：10．3969~．issn．1007—1423．2014．12．006一种应用PCA的人脸图像集识别方法宋文娟．于威威(上海海事大学信息工程学院，上海，201306)摘要：提出一种适用于同类别的图像子集的类别判断方法。同类别的图像子集经过PCA主特征提取后，选择较大的P个特征值对应的线性无关的特征向量．组成特征矩阵，则同类别的图像子集可以转化成一个特征矩阵，图像子集与特征矩阵一一对应．进而整个图像库能够用矩阵集合来表示。定义一种矩阵间的距离及最小二乘距离，通过计算待测图像子集对应特征矩阵与图像库中不同类别对应特征矩阵之间的

2、距离或最小二乘距离，判断待测试图像子集所属类别。关键词：PCA：人脸识别；图像集；最小二乘距离0引言在1888年和1910年分别在Nat“发表了两篇关于利用人脸进行身份识别的文章．对人类自身的人脸识人脸识别作为计算机视觉以及模式识别研究的一别能力进行了分析．但当时还不可能涉及到人脸的自个重要子领域．是一个发展较为迅速的方向．由于事先动识别问题最早的AFR1的研究论文见于1965年陈采集到的人脸图像一般维数较高．所以在进行识别之(Chan)和布莱索(Bledsoe)在PanoramicResearchInc．前会做一项降低图像维数的工作，主成分分析(PCA)发表的技术报告，至今已有四十年的历

3、史。近年来，人是这个领域具有代表性的降维方法．Eigenface和Fish．脸识别研究得到了诸多研究人员的青睐．涌现出了诸erface一般都采用PCA进行批处理多技术方法尤其是1990年以来．人脸识别更得到了为了特征提取的有效性和统一性．首先对图像库长足的发展【l_中的人脸图像进行预处理．主要包括了几何归一化、灰人脸识别可以追溯到19世纪．按照其发展历程大度归一化等基于图像处理的方法接下来通过PCA进致可以分为三个阶段：行特征提取．PCA是通过线性变换寻找一组最优的单第一阶段是一般性模式下脸部特征研究．所采用位正交基．用它们的线性组合来表达和重构原样本．并的主要技术方案是基于人脸几何结构特

4、征的方法．使重构后的样本和原样本在方差的意义上差别最小Beaillon用一个简单的语句将人脸与数据库中特征数文中重要的部分．首先从理论上介绍了PCA和矩阵之据联系这一阶段是人脸识别的初级阶段．重要成果不间距离的相关理论．然后将图像库作为训练样本．使得多，人工依赖性较强．基本没有实际应用图像子集与矩阵一一对应起来．同时也将待测图像子第二阶段是人脸识别的成果井喷期．诞生了很多集用矩阵表示．最后通过计算矩阵之间的距离及最小具有代表性的人脸识别算法．美国军方组织了著名的二乘距离．判断待测图像集的类别FERET人脸识别算法测试．并且同时期出现了商业化1国内外研究现状的人脸识别系统．例如最为著名的Vi

5、sionics的FaceIt系统麻省理工学院媒体实验室的Turk和Pentlan提人脸识别的研究历史比较悠久高尔顿(Galton)早出的“Eigenface”方法无疑是这一时期内最为优秀的方现代计算机2014．04下@＼图形图像法．这一方法被证明是使原始图像与重构图像之间的根据K—L变换原理[51．我们需要计算S的非零特征均方误差极小化的最佳压缩方式闭值所对应的特征向量作为图像子空间的基底由于S第三阶段是真正的机器自动识别．这一阶段主要的特征值及其对应的正交特征向量比较难求．所以．可克服光照、姿态、表情变化对人脸识别准确性的影响以通过求解Sr的特征值和特征向量．利用奇异值分解随着人脸识别的

6、深入研究．很多研究者进行了专门的原理．从而得到5的特征值和特征向量，进一步进行正攻关并且取得了一定的进展Penfland等人提出的基于交化。视角的特征脸方法为每个视角构建一个特征空间．取假设Sr有r个非零特征值A(t，2，⋯，r)，对应特得了比标准特征脸方法更高的性能由Blanz等人提出征值的特征向量为Vi(1，2，⋯，r)，将得到的特征值按的三维可变型模型是一类应用广泛的方法[31该方法对降序进行排列，A≥A，提取前P个特征值所对应的线三维空间中成像过程进行模拟．通过用一个三维可变性无关的特征向量作为基底．构成图像子空间[61．且P型的人脸模型对图像进行拟合．从图像中估计出人脸的三维形状

7、和纹理信息这种方法能够克服不同的姿态和光照的影响结果表明其具有较好的识别性能．在的标准要满足一大于或等于90％～99％。l0人的2000张图像上的实验识别率为88％目前大部分的研究方法都是针对单个样本的匹配根据奇异值分解原理．S也有r个非零特征值A，识别。对于大规模图像集的识别则很少涉及．本文主要针对子空间方法进行研究．重点推进现有的子空间方(1，2，⋯，r)，对应特征值的特征向量为“。=B、／A法向图像集识别的应用期望