基于pca与神经网络人脸识别算法探究

《基于pca与神经网络人脸识别算法探究》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与神经网络人脸识别算法探究　　摘要：在MATLAB环境下，取ORL人脸数据库的部分人脸样本集，基于PCA方法提取人脸特征，形成特征脸空间，然后将每个人脸样本投影到该空间得到一投影系数向量，该投影系数向量在一个低维空间表述了一个人脸样本，这样就得到了训练样本集。同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于最近邻算法进行分类，得到识别率，接下来使用BP神经网络算法进行人脸识别，最后通过基于神经网络算法和最近邻算法进行综合决策，对待识别的人脸进行分类。关键词：人脸识别；主成分

2、；BP神经网络；最近邻算法中图分类号：TP311文献标识码：A文章编号：1672-7800（2013）006-0033-02作者简介：唐赫（1989-），女，武汉理工大学理学院统计系硕士研究生，研究方向为人脸图像识别、遥感图像、统计预测决策。0引言5特征脸方法就是将人脸的图像域看作是一组随机向量，可以从训练图像中，通过主元分析得到一组特征脸图像，任意给定的人脸图像都可以近似为这组特征脸图像的线性组合，用组合的系数作为人脸的特征向量。识别过程就是将人脸图像映射到由特征脸组成的子空间上，比较其与已知人脸在特征

3、脸空间中的位置。经典的特征脸方法是采用基于欧氏距离的最近中心分类器，比较常用的是基于欧氏距离的最近邻。1算法流程（1）读入人脸库。每个人取前5张作为训练样本，后5张为测试样本，共40人，则训练样本和测试样本数分别为N=200。人脸图像为92×112维，按列相连就构成N=10304维矢量x-j，可视为N维空间中的一个点。（2）构造平均脸和偏差矩阵。（3）计算通（4）计算训练样本在特征脸子空间上的投影系数向量，生成训练集的人脸图像主分量allcoor-200×71。（5）计算测试样本在特征脸子空间上的投影系数

4、向量，生成测试集的人脸图像主分量tcoor-200×71。（6）最近邻算法分类。（7）BP网络分类[9]。（8）BP神经2结果与分析实验通过matlab来实现，采用ORL人脸图像库，ORL人脸数据库由40个不同人的400幅图像组成。其中一组原始人脸图像如图1。5结果我们得到识别率accu=0.88，以及特征脸图像，部分如图2所示为均值脸。设置不同阈值β，该方法得到的识别率如表1所示。与单纯的BP神经网络方法相比，这种综合方法的识别率有了提高，见表2。实验结果表明，当β设置为小数点后四位时，二者结合的综合法

5、识别率可以达到90.5%。基于距离分类的最近邻法结果比较稳定，基于非线性映射的BP网络法可以较好地解决高维人脸分类这一非线性分类问题，但它依赖学习的样本和网络参数，需要凭经验和大量的实验才能得到具有较好性能的网络参数，网络训练费时费力。而通过对两种分类结果的综合决策，不用过分依赖BP网络性能，就可以得到一个识别率更高的人脸识别系统。3结语本文系统分析了基于PCA的人脸识别算法，检验了PCA算法在人脸识别中的应用，但单独使用的识别率不是很高，在此基础上运用PCA方法降维，通过BP神经网络来进行分类，没有识别

6、正确的再运用最邻近算法进行识别，这样就大大提高了识别率。5但是基于PCA的人脸识别方法对光照、图像尺寸、面部表情等外界因素都比较敏感，因此在进行特征分类识别之前，进行图像的预处理是很有必要的。而且本文使用的是英国剑桥大学的ORL数据库，并没有使用其它复杂的自建数据库来验证综合方法的识别率高低。本文在预处理过程中采用的预处理方法都是比较典型常用的图像处理方法，没有考虑到这些方法是否适合全部的人脸图像问题。参考文献：[1]TURKM.PENTLANDA.Eigenfacesforrecognition[J].

7、CognitiveNeuroscience，1991（1）.[2]陈刚，戚飞虎.实用人脸识别系统的本征脸法实现[J].计算机研究与发展，2001（2）.[3]A.M.PATIL.FaceRecognitionbyPCAtechnique[J].SecondInternationalConferenceonEmergingTrendsinEngineeringandTechnology，ICETET-09.[4]李丽，易从琴.利用主元分析识别人脸[J].贵州工业大学学报：自然科学版，2003（4）.[5]M

8、ARCIALIS.FusionofLDAandPCAforfacerecognition[EB/OL].http：//wenku.baidu.com/view/b06f66f1f90f76c661371ab9.html.[6]刘学胜.基于PCA和SVM算法的人脸识别[J].计算机与数字工程，2011（7）.[7]廖海滨，陈庆虎.5基于因子分析的实用人脸识别研究[J].电子与信息学报，2011（7）.[8]蔡晓曦，陈定方.特征脸