基于PCA AdaBoost算法的人脸识别技术.pdf

《基于PCA AdaBoost算法的人脸识别技术.pdf》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、万方数据1702010．46(4)ComputerEngineeringandApplications计算机工程与应用基于PCA+AdaBoost李盛文，鲍苏苏LISheng-wen，BAOSu—SH算法的人脸识别技术华南师范大学计算机学院，广州510631CollegeofComputerScienceandTechnology，SouthChinaNormalUniversity，Guangzhou510631，ChinaLISheng—wen．BAOSu-su．FacerecognitionbasedonPCA+AdaBoostalgor

2、ithm．ComputerEngineeringandApplcations。2010。46(4)：170-173．Abstract：Facerecognitiontechnologyisallimportantimageprocessingtechnology，butlowrecognitionratehashampereditswiderUSe．PrincipalComponentAnMysis(PCA)isallimportantalgorithminfacerecognitiontechnology．PCAiscombinedwithA

3、daBoostalgorithmtoimprovetherecognitionrate．ExperimentsshowthattherecognitionrateofPCAplusAdaBoostalgorithmissignificantlyhigherthanthatofPCAorFisherfaeealgorithms．Keywords：facerecognition；eigenface；PrincipalComponentAnalysis(PCA)；AdaBoost摘要：人脸识别技术是图像处理方面的重要技术，然而识别率不高却一直妨碍人脸

4、识别技术的广泛应用。主成分分析(PCA)是人脸识别技术的一个重要算法，将PCA与AdaBoost算法相结合改进了原来的算法，并称新算法为PCA+AdaBoost算法。实验证明PCA+AdaBoost算法的识别率明显高于PCA算法，相对于Fisherfaee算法的识别率也有明显的提高。关键词：人脸识别；特征脸；主成分分析；AdaBoostDOh10．3778／j．issn．1002—8331．2010．04．054文章编号：1002—8331(2010)04-0170-04文献标识码：A中图分类导：哪91．4l1主成分分析方法主成分分析方法(PC

5、A)是图像压缩中的一种最优正交变换。PCA用于统计特征提取构成了子空间法模式识别的基础。它从图像整体代数特征出发，基于图像的总体信息进行分类识别。Sirovich和Kirby首先将K—L变换用于人脸图像的最优表汞”。Turk和Pentland进一步提出了“特征脸”(Eigenface)这个概念l酬。1．1PCA人脸识别方法将PCA方法用于人脸识别，其实是假设所有的人脸都处于—个低维线性空间，而且不同的人脸在这个空间中具有可分性。其具体做法是由高维图像空间经K—L变换后得到一组新的正交基，对这组正交基进行一定的取舍，保留其中的一部分生成低维的人脸

6、卒间，也即人脸的特征子空间。完整的PCA人脸识别算法步骤包括：(1)人脸图像预处理。(2)读入人脸库，训练形成特征子空间。(3)把¨II练图像和测试图像投影到上一步骤中得到的子空间上。(4)选择一定的距离函数进行识别。1．2PCA人脸识别流程(1)读入人脸库。没图像数据库中的人脸图像大小为WidthxHeight，令d=Widthxlteight，则每幅图像"-7以用授行或者按列堆成一个d维lal量表示。(2)设有K类的d维样本空间x=(埘。，W2，⋯，地)，其中Wk=协‘‘·”，工‘‘·"，⋯，工‘‘'以’}是第

7、

8、}类样本集，含有帆个样本。

9、z‘‘m：(石y’，考。’，⋯，0。’)7是第七类的第i个样本向量。Ⅳ-∑帆为样本总数，，驴三∑菇表示第k类样本均值，m=导∑∑菇是¨k#￡鼽』TR01#E‰总体均值。定义类内散度矩阵&为：鼯善等互寺(菇一mt№一帆)T_专或《(·)其中吒：(≯”飞，≯”飞，⋯，∥飞)，吃：(吃．，吒，⋯，吒)。定义类问散度矩阵&为：耻善等("m)(帆_m)T-哦7b(2)，其中哦=(、／等(m。-m)，、／等(竹m)'⋯，、／等(即m))。基金'顷日：国家高技术研究发展it'戈tJ(863)(theNationalHigh—TeehResearchandDe

10、velopmentPlanofChinaunderGrantNo．2006AA022346)；广东省自然科学基金团队项目(theNaturalScie