基于PCA的人脸识别算法研究及实现.pdf

第6期 总第 208期 内 蒙 古 科 技 与 经 济 No．6，the208thissue 2010年 3月 InnerMongoliaScienceTechnology＆Economy M ar．2010 基于PCA 的人脸识别算法研究及实现 田印中，董志学，黄建伟 (内蒙古工业大学 信息工程学院，内蒙古 呼和浩特 010051) 摘 要 ：文章具体讨论 了主成分分析 (PCA)人脸识别算法 的原理及 实现 。它具有简单 、快速和 易行 等特 点 ，能从 整体上反 映人脸 图像 的灰度相 关性具有 一定 的实 用价值 。 关键 词 ：人 脸 识 别 ；特 征 提 取 ；识 别技 术 ；生 物 特 征 中图分类 号 ：TP302 文献标识 码 ：A 文章编 号 ：1OO7— 6921(201O)O6一O056一 O2 随着社会 的不 断进步 ，信 息技术 的不断发展 ，生 一 R 一 ( 一 1，2，… ， ) 物 特征 识别技 术在 近几 十 年 中得到 了飞速 的发展 。 其 中列 向量 表示 一个训练样 本 。 人脸 识别 由于具 有直 接 ，友好 ，方便 的特 点 ，使 用 者 训 练 图像 由协方 差矩 阵可表示为 ： 无任 何心理 障碍 ，易于 为用户所 接受 ，从 而得到 了广 C — AA 泛 的研 究 与应用 。比如在 司法领域 ，人 脸识 别技术作 其 中训练样 本 N ×M 维矩 阵A= [ 一，中 ] 为辅 助手段 ，可 用于 身份 验证 ，罪 犯识 别等 ；在 商业 特征 脸有 协 方差矩 阵 C 的正 交 特征 向量 组成 。 等领域 ，人脸 识别 技术 常 常用 于银 行信 用卡 的 身份 对 于 N ×N 人 脸 图像 ，协方差 矩 阵 C 的大小 为 N。× 识 别 、安全 识别 系统 、可 视 电话 、医学 、档案 管理 、电 N ，对 它 求 解 特征 值 和 特征 向量 是 很 困难 的 ，由此 视会 议人机 交互系统 等方面 。正是 由于人脸识 别的 引入 奇异值 分解定理 来解决维 数过 高的 问题 。 广 阔应用 前景 ，使得 它 越来 越成 为 当前模 式 识别 和 1．2 奇异值 分 解定理 人工 智能领域 的一 个研究 热点 。主成分分 析 (PCA) 奇 异 值 分 解 定 理 (SingularValueDecomposi— 是一 种基 于代数 特征 的人 脸 识别 方法 ，是 一种基 于 tion简称 SVD定 理 )原 理表述 如下 ： 全 局特征 的人脸识 别方法 ，它基于K—L分解 。基于 其 中A是 一个秩 为 P的N。×M 维矩 阵 ，~lg-在 主成分分析 的人脸 识别方法 首次将人脸 看作 一个整 两个 正交矩 阵 ： 体 ，特征 提取 由手 工定 义 到利用 统计 学 习 自动获 取 U 一 1，“2，… ，U] ∈R 了’ — I 是人 脸识别方法 的一个 重要转 变 [1]。简单 的说 ，它的 V 一 [l，V2，…， ]∈R 肼 VrV ：=I 原 理就是将 一 高维 的 向量 ，通 过 一个 特殊 的特 征 向 以及 对角矩 阵 量矩 阵 ，投 影到一 个低维 的 向量空 间 中，表 示为一个 A— diag[ ， ，… ，户]