基于特征脸和LDA的人脸识别
文章编号:!""#$"!#%(&""’)"!$""(&$")!
基于特征脸和!"#的人脸识别
罗 昊,孟传良
(贵州工业大学 计算机科学与信息技术学院,贵州 贵阳’’"""%)
摘 要:简述人脸图像的标准化过程,特征脸,*+,算法的原理及实现过程。用特征脸和*+,
相结合的方法进行人脸识别,先用特征脸获取最佳描述特征,然后用*+,获取最佳分类特征,
并验证了方案的可行性。实验表明:该识别方法识别效果较好,能够适应表情、光照的变换。
关键词:人脸识别;人脸标准化;-.*;/0,;*+,
中图分类号:1/%#!2)! 文...
文章编号:!""#$"!#%(&""’)"!$""(&$")!
基于特征脸和!"#的人脸识别
罗 昊,孟传良
(贵州工业大学 计算机科学与信息技术学院,贵州 贵阳’’"""%)
摘 要:简述人脸图像的标准化过程,特征脸,*+,算法的原理及实现过程。用特征脸和*+,
相结合的方法进行人脸识别,先用特征脸获取最佳描述特征,然后用*+,获取最佳分类特征,
并验证了方案的可行性。实验表明:该识别方法识别效果较好,能够适应表情、光照的变换。
关键词:人脸识别;人脸标准化;-.*;/0,;*+,
中图分类号:1/%#!2)! 文献标识码:,
$ 引 言
人脸识别技术是生物识别技术的一种,以其直接性,唯一性,方便性等特点,在公安,海关,交通,金融,视
频会议,机器人的智能化研究等方面得到了越来越广泛的应用。人脸识别是生物测定学研究的内容之一,是
模式识别领域中的一个前沿课题,该课题的研究已有%"多年的历史,目前,人脸的自动识别正越来越成为当
前模式识别和人工智能领域的一个研究热点[!]。本文着重讨论一种把特征脸和*+,算法结合起来进行人
脸识别的方法,实验表明这种方法有较好的识别率。因为采集的图像有些是不规则的,所以要较好的完成整
个识别过程,人脸图像的预处理是其中一个重要的环节,它能够很好的完成一些不规则图像的规范化。
% 人脸图像的标准化
人脸图像的标准化是实现人脸识别的前期处理工作。在实际应用中,我们得到的人脸图像在尺寸、旋转
程度以及光照等方面都有很大的不同。这给识别工作带来了很大的不便。为了提高人脸的识别率,需要把
彩色图像转变为灰度图像,然后进行灰度上和尺寸上的归一化处理。
首先在尺寸上,需要进行缩放变换,拉伸变换,旋转变换,最后裁剪成34534维的图像。在整个变换过
程中,会产生一些非整数值,这时就需要用插值法,计算出该点的近似值,本文采用的是双线性插值的方法,
它是目前较好的一种插值算法,计算比较精确,只是在程序设计上要复杂一些。为了减少光照的影响,可以
对图像进行直方图均衡化和均方差标准化。
& 特征脸方法
特征脸也称为主成分分析(/67897:;<0=>:=8?8@,8;
5)&
*!/5*
*!/0*
(?)
下面就是要求出6(*=>5)取最大值时对应的特征向量。通过数学变换可以得出,*=>5就是满足如下等
式的解:
/5*,&!/0*, (,&$,",⋯,4) (@)
如果/0 非奇异,就是求/($0/5的本征值问题。其中该矩阵最多只有1($非零特征值,1是类别数目。
% 人脸识别的基本过程
人脸识别的基本过程主要分为训练阶段和识别阶段。由于构成训练样本的尺寸有多种,所以需要把原
始图像归一化到一个标准的尺寸,得到一个训练样本集,共有1个类,每个图像可以设为",(,’$,",⋯,
.),即一共有. 张训练样本。训练阶段的步骤如下:
($)把归一化好的图像看成是一个向量,可以设为3,(,’$,",⋯,.),用这些向量减去平均脸,得到每
一幅人脸与平均脸的差值。
(")由这些差值构成一个协方差矩阵,求出这个矩阵的前7个最大特征值的特征向量,然后把这些向量
再组合起来构成一个AB,投影矩阵,设为*>30;
(&)用这个投影矩阵把所有的训练样本投影到一个7维的子空间,具体的算法可以参照公式());
())把第"步得出的最佳描述特征+,(,’$,",⋯,.),分别构成类内散布矩阵和类间散布矩阵,计算矩
阵/($0/5的前8个最大特征值的特征向量,由这些向量构成一个*+,投影矩阵,设为*6C0;
&:第$期 罗 昊,等:基于特征脸和*+,
###############################################################
的人脸识别
万方数据
(!)可以采用与(")式类似的方法,用第#步得出的矩阵把所有样本投影到一个!维子空间,得出最佳分
类特征!"("$%,&,⋯ ,#),并根据这些特征组成一个$类特征人脸识别数据库;
(’)计算人脸类间的最大距离
"%
%
&()*",& !!"’!&!
(",&%%,&,⋯,$) (%+)
识别阶段的基本步骤如下:
(%)把待识别的人脸图像减去平均脸,得到一个差值向量,可以设为(;
(&)把这个差值作两次投影变换,得出最佳分类特征
!%),-.)),/0)( (%%)
(#)用待识别人脸与人脸库中的每类人脸进行比较,得出最小的欧几里德距离
#%%(12" !!’!"!
("%%,&,⋯,$) (%&)
(")为了区分待识别的图像是否为人脸图像,需要计算待识别的人脸的图像与重建人脸图像的距离
#&%!*’()/0))-.)!+,)! (%#)
其中,为平均脸。
(!)根据分类规则,首先需要判别是否为人脸,如是人脸,需要判别是否是库中的人脸,如果是库中的人
脸,则要判别是库中的哪类人脸。
! 实验结果分析
对于以上算法,作者已经编程实现并且任意抽取了3415-12678)09:人脸库和;<=人脸库的部分图像做
了实验。3415-12678)09:人脸库包括有%>个男人的人脸灰度图像和%?个女人的人脸灰度图像,每个人有#
幅图像。姿态、表情都有所差别。图像分辨率都是&?+@#’!A;<=人脸库中包括"+个人的图像,每个人有
%+幅不同的图像,每幅图像有不同的表情和姿态,大小均为B&@%%&A
建立数据库时,在3415-12678)09:人脸库中任意选择了#+个人的图像,在;<=人脸库中任意选择了>个
人的图像,总共#>个人的图像。用每个人的其中两幅图像来进行训练,另外一幅图像来测试。测试结果如
表%所示。
表" 实验结果
组 别
项 目
图像总数(张) 误识数(张) 拒识数(张) 正确识别数(张) 识别率/C
第一训练集 #> % + #’ B>A#+
第二训练集 #> + % #’ B>A#+
测试集 #> ! % #% ?#A>?
表%是用DEF投影矩阵将原始图像空间降维到#>维,再用=GF投影矩阵降维到#’维所得的结果。
从表%可以看出,该方法对第一训练集和第二训练集里的图像能够达到B>A#C的识别率,对测试集中的图
像也可以达到?#A>?C的识别率,比只用特征脸的方法,效果要好得多。特征脸对人脸图像识别率不高的原
因,就是特征脸受光照、表情、姿态的影响较大,而=GF受光照、表情等的影响较小。
# 结束语
在测试集数量不很多的情况下,如果只用=GF的话,那么类内离散度矩阵通常是奇异的,造成无法求取
本征值。所以,可以利用DEF降维来解决该问题。
"> 贵 州 工 业 大 学 学 报 (自然科学版) &++!
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
年
万方数据
参考文献:
[!]周德龙,高 文,赵德斌"基于奇异值分解和判别式#$投影的人脸识别[%]"软件学报,&’’(,!)()):*+(,*++"
[&]李 刚,高 政"人脸识别理论研究进展[%]"计算机与现代化,&’’(,(-):!,."
[(]张翠平,苏光大"人脸识别技术综述[%]"中国图象图形学报,&’’’,-(!!):++-,+/)"
[)]边肇祺,张学工"模式识别(第二版)[0]"北京:清华大学出版社,&’’’"
[-]%10234567869:"模式识别———原理、方法及应用[%]"北京:清华大学出版社,&’’&"
[.]梁路宏"人脸检测与跟踪研究[;]"北京:清华大学,&’’!"
[*]余 冰,金连甫,陈 平"利用标准化$;<进行人脸识别[%]"计算机辅助设计与图形学学报,&’’(,!-(():(’&,(’."
[+]<=>=$2?@32A@3B67C2D?3B8E6"=F6GH$;2A2?276@IJ2K67[LM/G$]"FAAN://OOO"5P"367623KF"2AA"K@D/I2K682A2?276"
FADQ,&’’(,!&,!."
[/]RSBT637BAU@I9AB3QBSE17UKF@Q@EU;6N23AD6SA"=F69AB3QBSE,I2K67;2A2?276@IJ2K67[LM/G$]"FAAN://NBK7"N7UKF"7AB3"2K"5P/,
&’’(,!&,!."
!"#$%&’()’#*+&,-’*(.-/-.#,’&)’(’012!!3,#4&)5$
*#4/-.#,’&)’#*67$(’8(.-9$(,-:
$RGV2@,0LWXCF52SYQB2SE
(C@QQ6E6@IC@DN5A639KB6SK62S8ZSI@3D2AB@S=6KFS@Q@EU,XR=,X5BU2SE--’’’(,CFBS2)
!%:)4(.):=FB7N2N63?3B6IQU8B7K57767AF6N3@K677@II2K6S@3D2QB[2AB@S,6BE6SI2K6,AF6AF6@3U@I$;<2QY
E@3BAFD2S8AF6362QB[2AB@SN3@K677"=F6?67A867K3BNAB@SI62A536B7@?A2BS68?U5ABQB[BSEAF61C<2S8
AF6SAF6?67AKQ277BIBK2AB@SI62A536B72K45B368?U5ABQB[BSEAF6$;<"=FB7N2N63N3@T67AF6I627B?BQBAU@I
AF6D6AF@8?U6\N63BD6SA"ZAB7N3@T68AF2AAF6D6AF@8K2SE6A72AB7IUBSE6II6KA"=F6D6AF@8K2S282NA
A@AF6KF2SE6@II2K62S8BQQ5DBS2AB@S"
;-<=#40::I2K636K@ESBAB@S;I2K6S@3D2QB[2AB@S;#,$;1C<;$;<
(上接*!页)
/-:-(4.5#’)5-"#’)4#3>-)5#0=&)5#7)?@-4:5##)A(:-0#’
!0(B)&@-C92!3,#4&)5$
CVLW]B2SEYNBSE!,CVLWCF2@Y8@SE&,^ LWJ2SE!
(!"C@QQ6E6@ILQ6KA3BK2QLSEBS663BSE,XR=,X5BU2SE--’’’(,CFBS2;&"XR=C@DDBAA66@ICC_$,
X5BU2SE--’’’(,CFBS2)
!%:)4(.):=FB7N2N63N3676SA72D6AF@8@ID@8BIB2?Q6N3@N@3AB@S2QK@6IIBKB6SA@I1Z;A@D2P6AF6@5AN5A
@IK@SA3@QQ68@?‘6KA362KFAF676AN@BSAOBAF@5A@T637F@@A"
本文档为【基于特征脸和LDA的人脸识别】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。