《基于子空间分析的人脸识别算法》由会员分享，可在线阅读，更多相关《基于子空间分析的人脸识别算法（7页珍藏版）》请在金锄头文库上搜索。
1、2 0 1 7年 第 2 6卷 第 2期 h t t p ： ww wc - S - a o r g c n 计 算 机 系 统 应 用 基于子空间分析的人脸识别算法 江华丽 ( 福建师范大学闽南科技学院，泉州 3 6 2 3 3 2 ) 摘 要：本文以人脸识别为目标， 重点分析基于子空间分析的人脸特征提取技术首先介绍人脸识别系统的构成， 其次分析人脸识别的关键技术，如人脸检测、特征提取和图像预处理等， 重点分析人脸识别的各种算法， 根据小 波在对图像数据矩阵的处理的高效性，以及L D A训练样本维数少的缺陷， P C A不能利用数据的高阶统计特性，本 文将这三种算法进行融合，并用 MA T
2、L A B进行仿真实验， 实验证明该方法的有效性 关键词： 人脸识别； 特征提取；融合算法 Fa c e Re c o g n i t i o n Al g o r i t hm Ba s e d o n Su bs pa c e Ana l y s i s J I ANG Hu a Li ( Mi r ma n I n s t i t u t e o f S c i e n c e a n d T e c h n o l o g y , F u j i an No r ma l U n i v e r s i t y , Q u a n z h o u 3 6 2 3 3 2 ， C h i
3、 n a ) Abs t r a c t ： W he n i t c o me s t o t he f a c e r e c o g n i t i o n， t h i s p a pe r e x c e p t i o n a l l y f o c u s e s o n the f a c i a l f e a t u r e e x t r a c t i o n ba s e d o n s u b s pa c e a na l y s i s F i r s t l y , thi s p a p e r i n tro d u c e s t h e c o n s
4、 t i t u t i o n o f t he f a c e r e c o g ni t i o n s ys t e m，a n d t he n a n a l y s e s t h e ke y t e c h no l o g i e s ，s u c h a s the f a c e de t e c t i o n ，f e a t u r e e x t r a c t i o n ，a n d i ma g e p r e t r e a t me n t p r o c e s s i n g I t ma i n l y an a l y s e s t he
5、v a r i o us f a c e r e c o gn i t i o n a l g o rit h ms Ac c o r d i ng t o t h e h i g h e f fic i e n c y o f wa v e l e t i n t he pr o c e s s i n g o f i ma g e d a t a ma t r i x an d the s h o r t c o mi n g o f l e s s di me ns i o n of the LDA tra i ni ng s a mp l e ，PCA c a n n o t u s
6、e hi g h e r o r d e r s t a t i s t i c a l pr o p e r t i e s o f t h e d a t a Co mb i n i n g the s e t h r e e a l g o rithms ，thi s p a p e r p u t s f o r wa r d t h e i mp r o ve d r e c o gn i t i o n me tho d S i mu l a t i o n e x p e rime nt s wi th M ATLAB are c a r de d o u t a n d t h
7、 e r e s ul t s s h o w t h e e ffe c t i v e ne s s o f t h e me t h o d Ke y wo r ds ： f a c e r e c o g ni t i o n ； f e a t u r e e x tra c t i o n； f u s i o n a l g o r i t h m 1 引言 由于计算机的发展、研究成果的积累、对安全进 一步的要求导致人脸识别得到快速而重大的突破 人 脸识别的研究内容很多， 涉及计算机技术、图像技术、 神经科学、物理、光学器件、识别技术、数据库技术、 生理、心理、法律伦理等近年的研
8、究不仅包括样本 采集方面的研究，还有结合具体应用的研究，以及信 息的加工处理方面的研究以人脸识别为代表的感知 计算 已成 为多个学科 中的热 门研 究课题之 一 人脸 识 别是辨别身份的重要手段， 不仅在商业方面得到应用， 在法律方面同样扮演者重要的角色， 包括从静态匹配 受控条件下的照片到实时匹配监控视频等 完成人脸 识别工作需要经过一系列的步骤， 它们结合起来构成 一个完成的流程，由于研究人员来 自不同的学科，有 不同的研究环境，不同的对象进行人脸识别时流程也 不统一人脸识别特征提取的方法有很多，T u r k 1 1 8 等人将主成分分析法 P C A 应用到人脸识别中，使用 P C A
9、 人脸识别在 O R L人脸库库中判断出一个人是否 存在于数据库 中；Y ang 等人提 出二维主元分析 2 D P C A K o n g s o n t a n a 提出深入分析二维线性判别 分析，2 D L D A提供更为高效的运算，避免 L D A训练 样本量比维数少的问题；深入分析人工神经网络方法 是利用计算机模拟人的神经元工作机制，进而处理机 器学习中遇到的问题；深入分析基于小波变换后的主 成分分析在处理图像数据矩阵时比普通方法高 目前 大多数研究是基于以上几种算法的基础上进行研究， 比如通过降低人脸特征系数等来提高人脸的识别率和 鲁棒性 基金项 目： 福建省教育厅中青年项 I (
10、 J A T1 6 0 6 7 3 ) ； 福建省高校创新创业教育改革项 目( S J Z Y - 2 0 1 5 - 0 2 ) 收稿时f 2 0 1 6 0 5 0 4 ； 收到修改稿时间：2 0 1 6 - 0 6 。 3 0 d o i ： 1 0 1 5 8 8 8 c n k i c s a 0 0 5 5 9 8 S o f t w a r e T e c h n i q u e A l g o r i t h m 软件技术 算法 1 5 1 计 算 机 系 统 应 用 h t t p ： ww w c - S - a o r g c n 2 0 1 7年 第 2 6卷 第 2期
11、 2 人脸图像检测技术 人脸检测是指在输入图像 中确定存在人脸的位 置、大小、姿态 的过程 人脸检测需要考虑多方面的 因素，既保证较高的检出率，有保证较低 的误检率， 人脸检测中的难点：人脸的多样性，人脸中包含很 多细节信息，比如眼睛、发型、肤色都可能给人脸检 测带来困难；人脸的遮挡，如眼镜，发型；观测人 脸的角度；复杂的背景，如人脸隐藏在与肤色相似 的背景 中，可能就会出现误检的情况； 多变的成像 条件，主要有关照 、 成像设备还有 阴影 的影 响基于学 习的人脸检测流程可 以分为两部分：在线检测和检测 器的离线 学习 在 线监测指 利用学 习得 到的分离器 模 型扫描输 入图片 的从而 得
12、到人脸在 图像 中的位 置检 测器 的离线学 习指 的是利用 手机的训练样本 结合机器 学 习算 法学 习得 到表示 目标 学 习模 型 的分类 器结 构 图 1 为基于人脸检测的基本流程图 图 1 基 于学习的人脸检 测流 程 要减少采集 到的 图像脸上各部 分光照成程度 不同 的问题，即照度梯度修J E ( I GC ) 对样本图像矩阵进行处 理， 有 N 个像素，得灰度值为J ( x Y ) ， i = l ， 2 ， N，需 要拟 合的平面为 z = a l x + a 2 y + a 3 ， 此平面应 该使 J ( x b y i ) 与 Z 之间的均方误差最小 利用照度梯度修正可以
13、得到图 片一阶变化 值，可 以大部 分地减 小脸 上光照程度 不 同 的影 响，但 是脸上 阴影并 不能被 完全 消除，首先 要利 用两 个统计 量 方差 与灰度均值 ， 令 把这两个 为某 定值，设w H像素的灰度矩阵为 ， 0 w， 0 y H 图像大小， 得到该图像的灰度均值和方差： 1 H 一 1w l = 厂 ( x ， ) ( 1 ) W十 l y= 0 x = 0 1 H I 1 2 。 = 厂 ( ， y - z ) ( 2 ) 1 5 2软件技术 算法 S o ft w a r e T e c h n i q u e A l g o r i t h m 厂-( ) ， ) ：
14、 ( 3 ) 测试 样本光照变化 与训练样本在 变换后的 图像里 可 以被大 部分处理掉进行提取特 征 时必须得 兼顾到 矩阵特征点的运算效率和它的有效性比如可以在采 用图像灰度值作为特征来识别， 尽管是跳过提取特征 这个中间过程，但图像灰度 自身的可分析性比较低， 况且会减少各种分类器算法分类的效率 。 3 人脸识别算法的仿真与分析 3 1 基于 P CA的人脸识别算法 主成分分析( P C A ) 是把多个特征映射为少数几个 中和特征的一种统计分析方法在多特征的研究中， 往往 由于特征个数太 多， 且 彼此之间存 在一定的相关 性，因而使得所 观测 的数据 在一定程度上有 信息 的重 叠当
15、特征较多时，在高维空间中研究样本的分布规 律就更麻 烦主成 分分析采取 降维 的方法，找出几个 综合因子来代表原来众多的特征，使得这些综合因子 尽可能地反映原来的变量信息， 而且彼此之间互不相 关，从而 达到 简化 的 目的 在 模式 识别 问题 中， 对 于 初始特征的选择， 绝大多是在考虑样本的可分性意义 上进行的很多时候先择的初始特征集合都包含大量 互相关联的特征， 它们对于样本分类的贡献也不相同 的 特征向量集合有很多的不变，最明显的计算方面 会有很大负担，在迷失识别问题 中，通常的任务就是 进行特征的选择在最初的模式识别工程中，这种选 择有两个 目标： ( 1 ) 丢弃一些对分类贡献不大的特征； ( 2 ) 达到一定程度 降维 的 目的，降维的方法通 常是采用 一 个从初试特征衍生得到更小的与原始特征相当的特征 集合 设N个样品在 X y 坐标轴组成的平面上构成椭圆， 将坐标系以角度 0方差最大旋转后， 令得到的椭圆长 轴 为 Y ， 短轴为 ，于是有变化公式： Y l ， =X 1 C O S + ， s i n O ( 4 ) Y 2 ， =X 1
