基于核主成分分析的人脸识别

《基于核主成分分析的人脸识别》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第27卷第8期东北大学学报(自然科学版)Vol127,No.82006年8月JournalofNortheasternUniversity(NaturalScience)Aug.2006文章编号:100523026(2006)0820847204基于核主成分分析的人脸识别赵丽红,孙宇舸,蔡　玉,徐心和(东北大学信息科学与工程学院,辽宁沈阳　110004)摘　　　要:核主成分分析方法是主成分分析的改进算法,其采用非线性方法提取主成分·把核主成分分析应用到人脸识别中,利用核主成分分析方法选择合适的核函数在高维空间提取人脸

2、图像的主成分·核主成分分析与传统主成分分析相比,可以得到更好的适合分类的特征·基于ORL人脸库,识别核主成分分析提取出的主成分的相关性系数·实验结果表明,核主成分分析不仅实现了降维,而且能取得比传统主成分分析更好的识别性能,正确识别率为92.5%·关　键　词:特征抽取;核主成分分析;主成分分析;人脸识别;核函数中图分类号:TP391141文献标识码:A[6,7]人脸识别是人类视觉系统所具有的最基本和主成分分析(principalcomponent最重要的功能之一,是人类交流的基础·人们通过analysis,PCA)属

3、于代数特征分析方法,是模式识这一视觉功能识别彼此的身份,理解对方的感情别领域中一种经典的特征抽取和降维方法·但是和意图·因此,利用计算机进行人脸自动识别PCA的缺点是需要很大的存储空间和计算复杂(automaticfacerecognition,AFR)一直是计算机度·如果原始空间的维数是n,PCA需要分解一视觉领域中的重要研究课题·近年来,随着高速硬个n×n的非稀疏矩阵·因为PCA是一种线性映件和人工神经网络等技术的发展以及商业和执法射方法,降维后的表示是由线性映射生成的,它忽等方面需求的增长,自动人脸识别的研究和

4、应用略了数据之间高于2阶的相互关系,所以抽取的[1,2]得到了空前的重视,并取得了长足的进步·特征并不是最优的,这在一定程度上影响了PCA自动人脸识别技术有着广泛的应用领域:①方法的效果·PCA的改进算法核主成分分身份验证·利用人脸识别技术可以确认护照、信[8]析(kernelPCA,KPCA)采用非线性的核函数方用卡、身份证等证件的真伪;可以鉴别某人是否法,很好地解决了上面的问题·在人脸识别中,本合法进入者·②罪犯识别·根据实拍照片和罪犯文引入kernelPCA,提取人脸特征从而达到降维档案库的对比可以确认罪犯身份

5、·③场景监视·目的·在机场、车站等人流量大的场所搜索或跟踪特定[3]1　主成分分析(PCA)的人·④无接触人机交互·利用人脸特征点和成像几何计算凝视点的位置,用视点的移动控制主成分分析(PCA)在最小协方差意义下给出[4,5]光标·⑤可视通信·用特征描述人脸,得到大了模式样本的最优表示·PCA的优点是:消除了比例压缩图像,从而降低码率,实现低速信道上的模式样本之间的相关性;实现了模式样本的维数实时可视通信·压缩·K2L变换能将高维的模式样本压缩为更易自动人脸识别研究的发展大致可以分成三个于处理的低维样本,即PCA给出

6、了高维数据的一阶段:早期基于特征点度量的识别,基于传统模式种简约表示·由于以上优点,PCA广泛地应用于相关匹配的识别和基于统计代数特征和人工神经模式识别、数据压缩等领域·Kirby和Sirovich[9]网络的分类·在方法上可分为基于特征的度量,基讨论了利用PCA进行人脸图像的最优表示问题·于灰度模板的匹配,基于代数特征的分类和基于Pentland等人[6]探讨了这种表示的物理意义,他人工神经网络的识别等·们发现,K2L展开后的特征向量在还原成图像矩收稿日期:2005209202基金项目:国家自然科学基金资助项目(6

7、0475036)·作者简介:赵丽红(1962-),女,吉林怀德人,东北大学副教授,博士;徐心和(1940-),男,河北临榆人,东北大学教授,博士生导师·©1994-2006ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net848东北大学学报(自然科学版)　　　　　　　　　　　第27卷阵时,竟然是一张张标准化的人脸·采用K2L展较大,一般远大于训练样本的个数M,因此为了开表示人脸的本质被揭示了出来,即用一

8、系列标降低计算量,通常不直接求M的本征向量uk,而准的人脸图像(由特征向量构成,故被形象地称为T是先计算大小为M×M的矩阵AA的本征向特征脸(Eigenface),通过加权叠加来表示人脸·用量vk,根据代数理论,有表示系数作为人脸的特征进行分类识别·这就是1uk=Avk·(2)著名的特征脸方法·λk将PCA应用于人脸识别的工作原理为:对于这些相