特征脸空间中夹角最小法则的人脸识别算法

特征脸空间中夹角最小法则的人脸识别算法 1,21 1 罗家融 肖炳甲 中国科学院等离子体物理研究所合肥解放军炮兵学院合肥徐从东 (1.();2.()) Xu , Congdong Luo , J ia rong Xia o , Bingjia 摘要特 征 脸 方 法 是 人 脸 识 别 领 域 中 的 一 种 重 要 方 法 本 文 在 特 征 脸 的 基 础 上 提 出 了 一 种 新 的 方 法 在 特 征 脸 空 间 用 向 量: 。 , , 之 间 的 夹 角 来 衡 量 图 像 之 间 的 相 似 度 用 最 近 邻 法 对 图 像 进 行 分 类 和 识 别 我 们 用 提 供 的 标 准 人 脸 库 进 行 了 测 试 并 , 。 ORL , 传 统 的 特 征 脸 方 法 进 行 了 比 较 结 果 表 明 新 方 法 的 识 别 正 确 率 明 显 高 于 传 统 特 征 脸 法 。 , 。 与 关键词人脸识别特征脸夹角最小法最近邻法 : ; ; ; 中图分类号文献标识码:TP391.41 :A Abstr act:Eigenface is an important approach in the field of face recognition. In this paper, a new approach is presented on the basis of eigenface. It uses the angle between vectors of eigenface space as the similarity between face images, then recognizes and classi- fies face image by the nearest neighbor algorithm. In experiments on ORL face database, the new approach is compared to the tradi- tional eigenface. The result shows that the new approach gets higher recognition rates than traditional one significantly. Keywor ds:face r ecognition,eigenface,minimal angle,the near est neighbor algor ithm 局特征信息这些特征不仅包含如眼睛鼻子头发等 , 、、 引言1 仅凭人的直觉就能感受到的特征还包含其它一些人 , 近年来随着计算机技术的迅速发展生 物特征 , , 的直觉没法体会的重要特征这些特征以一定的形式。 的自动识别技术得到广泛研究与开发如指纹识别, 、 分布在人脸图像中我们希望找到人脸图像分布的主 , 掌形识别和眼睛虹膜识别等人脸自动识别是基于脸。 要成份对这些主要成份进行构造判别函数进 , , 像的身份鉴别旨在使计算机具有通过脸像来鉴别身 , 而对人脸图像进行分类和识别特征脸方法首先将人 。 份的功能是一种依托于图像理解模式识别计算机 , 、、脸图像映射为高维空间的向量然后应用基于统计的, 视觉和神经网络等高技术的智能系统与其它人体生, 离散 变换方法构造一个各分量互不相关的特征 K- L , 物特征识别技术相比具有直接友好方便的特点是 、、, 空间即特征脸空间再将人脸图像在高维空间中的, , 最自然直接的手段易于为用户所接受, 。向量映射到特征脸空间对这些映射后的向量构造相 , 常用的人脸识别方法可分 为全局匹配 方法和基 似性度量方法进行分类与识别, 。于特征的结构匹法全局匹配方法是用整个人脸设有一组人脸图像 其中。 T,T, T, , ( n=1,2, ,M) 12M 表示一个二维 的灰度图像则可将它们转化为向 N×N , 区域作为输入作为一个整体与已知人脸数据库进行 , 2 量形式得到 个 维向量 以此作为训 , M N, 匹配如特征脸法等基于特征的结构匹配方法是根 , 。练集训练集的平均脸可定义为。 据人脸中的局部特征在人脸图像中的位置及各自自 (1) 身的结构特点对人脸图像进行识别如隐马尔可夫模 , 用 向 量 来 表 示 每 幅 人 脸 图 像 与 平 均 型法等这两类方法经常交互在一起使用特征脸方。。 脸的差构造人脸图像集的协方差矩阵。: 法将人脸图像作为高维空间的一个向量经过离散 , K- 映射到各分量互不相关的较低维的特征空间变换L , ( 2) 中再用平均欧氏距离来度量图像之间的相似性本 , 。对协方差矩阵 进行特征值分解求出它的特征 C , 值 和特征向量 由这些特征 λ(i=1,2, ,M)v(i=1,2, ,M。文将原始人脸空间的人脸图像映射到特征脸空间后,ii 向量所构成的空间称为特征空间该特征空间是从人 。用映射后的向量之间的夹角来度量人脸图像之间的 脸图像构造的基本集中求出来的特征向量构造的它 , 相似性结合最近邻法则对图像进行分类与识别, 。 足以描述受控条件下的人脸图像因此可以用它作为 , 人脸识别的工具实际情况下在进行人脸分类与识 。, 特征脸空间的构造2 别过程中不需要精确地构造人脸图像因此我们可 , , , 人脸图像中包含着大量有 意义的人脸 局部和全以从以上求得的 个特征向量中取出对构造人脸影M 徐从东博士研究生: 基金项目国家发展计算委员会资助项目 : ( 19981303) 中文核心期刊《微计算机信息》( 测控自动化) 2006 年第 22 卷第 10-期 1 模 式 识 别 2 响最大的 个这样就可以构造了一个原始的 维 中与待分类样本 相距最近的一个样本为 M' , NX ,图像空间的 维子空间这个 维子空间称为特 则把 分到 所在的类别中去为此我们用这样的判别 M' , M' X 。 征脸空间函数来表示最近邻法则设有 类模式样本。 。c : 。 设有一幅人脸图像 将它映射到的第 维上每类有样本 个则最近邻法则的判别函k : n, i=1,2, ,c, i 数为 ( 3) : 由 此 构 成 的 向 量 就 是 这 ( 6)幅人脸图像在特征脸空间中的映射于是决策法则就是 。 : 若有 分到第 类去则把 g(X)Sj=1,2, ,K, kj 均值 为该类的人脸的向量对于某一待分类人脸 Ω。 k 属于第 类k 。 图像映射到特征脸空间中的向量 类则它与第 , Ω, k 实验及结果5 的欧氏距离为: 为了对上述的识别方法进行实验与比较我们用, ( 4) 提供的标准人脸库标准人脸库由 人每 ORL 。ORL 40 , 当求得的最小的 小于某一给定的阈值则这幅 d, k 人 幅 图像组成这些图像是拍摄于不同时10 112×92 。 人脸图像属于该类。 期的人的脸部表情和脸部细节有着不同程度的变 ; 用欧氏距离作为相似性度量则意味着把构造的 , 化比如笑或不笑眼睛或睁或闭戴或不戴眼镜人, , , , ; 特征空间看作为各相同性的它所确定的相似度关于 , 脸姿态也有相当程度的变化深度旋转和平面旋转可, 平移和旋转具有不变性但对于放大和缩小这些线性 , 达 度人脸的尺度也有多达 的变化图 是 20 。10%。1 变换会使距离发生畸变而对于用特征脸方法进行人。 人脸库中某一人的 幅图像 ORL 10 。脸识别对各向量进行比例缩放就相当于图像的亮, , 度发生变化也就相当于外界的光照条件发生变化这, , 在对人脸图像的采集过程中不可避免为此我们 可。, 以设想对于不同的向量它们之间的夹角与向量的 长, 短无关只与向量的方向有关对于向量的放大与, , 缩小这些使距离发生畸变的线性变换并不影响向量 , 的方向从而不会对两向量之间的夹角产生影响因 , 。 图 人脸库中某人的 幅图像1 ORL 10 此当外界的光照条件发生变化时即对向量进行比 , , 实验中我们首先将 的 幅人脸图像 , 112×92 400 例缩放人脸图像之间的相似度并不发生变化, 。 转化 大小的人脸 图像再为 分 别 以 每 人 前 92×92 , 3 在此我们把相似性函数定义为两个向量之间的 , 幅幅幅图像作为训练样本分别以其余的 幅、5 、7 , 7 、 归一化内积对于某一待分类人脸图像在特征脸空间 , 幅幅图像作为测试样本分别采用平均欧氏距离 5 、3 , 中的向量 与第 类人脸图像的在特征脸空间中的 Ωk 法和夹角最小的最近邻法对它们进行训练和识别得, 向量 之间的相似度为: Ωk 到如下表 所示的结果1 。 表 两种特征脸法的实验结果1 ( 5) 实际上 表示的是向量 与 之 间的夹角余 SΩΩk k 弦越大表示两者之间的夹角越小相似性越大当 , S, , 。k 小于某一给定的阈值则这幅人脸图像属于该类S, 。 k 从上表可以看出第一种方法当学习样本为每人, 最近邻法则 4 个时系统识别的正确率为 当学习样本数量增 3 , 0.81, 加到每人 个时系统的识别正确率达到 第二 7 , 0.89。最近邻法则是一种根据样本提供的信息直接进 , 个时系统识别的正确率 种方法当学习样本为每人 3 , 行决策的分类和识别方法设有一组 个样本, n : 为 个时系 统的当学习样本数量增加到每人 0.85, 7 , 下转第 页识别正确率达到 0.96。 (285 ) 每个样本都已标以类别标志如果在这 个样本 。n 根据特种流体的属性和传输过程对技术性能“” 本文在传统的特征脸方法 的基础上提 出了一种的要求以及泵轴径受力情况复杂的特点为了提高测 , 夹角最小的最近邻法对人脸进行分类识别构造了判 试系统的工作性能作者采用了自带校准功能, , 、ADC 工作方式的单片集成数据采集系统作 DMA ADμC812 别函数。 数据采集系统的主要核心器件大大地提高了系统的 , 标准人脸库上进行实验分别用传统的特 在 ORL , 各项指标使采样数据极大的逼近实际值用户能够 , , 征脸法和新方法在不同的学习样本条件下进行计算 方便的进行系统参数的标定进行软件升级系统工 , , 和识别结果表明在相同的识别身份数量的情况下, , , 作的可靠性也得到了较大的提高在新型高技术产品 。 随着学习样本数量的增加两种方法的识别正确率都 , 高效无泄漏

流程

快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计

泵系列化标准化通用化上取得了 、、, 满意的效果。 逐步提高在相同的学习样本数量的条件下新方法 ; , 参考文献: 明显优于传统的识别方法。 李刚，系列单片机原理与应用技术北京:北京 [1]ADC8XX . [M] μ 提出在传统的特征脸空间用夹角本文的创新点: 航空航天大学出版社, 2001 最小的最近邻法对人脸进行分类识别构造了判别函 , [2]李刚、于学敏，高性能单片机AD μC812 [J]天津:电子质量， 数进行了仿真计算并与传统的方法进行了比较, , 。 ;()20020328- 33 参考文献:李素芬、李刚、孟亚丽，中串口及其应用天津:电 [3]ADμC812 [J][1]M.Turk and A. Pentland. Eigenfaces for recognition. Journal of 测与仪表，;()20011037~43 –Cognitive Neuroscience, 1991, 3(1):7286 [4]沈羽,齐伟民,张毅.实时高速数据采集与存储系统的一种实现[2]L. Chen, H. Liao, M. Ko, J. Lin, and G. Yu. A new LDA- based 方法微计算机信息张永强刘富军李学东应变实[J].,2006,1- 1 [5],,.face recognition system which can solve the small sample size 验数据采集与处理系统的硬件 problem, Pattern Recognition, 2000, 33 (10), pp. 1713- 1726

设计

领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计

与实现[J].微计算机信息,2005,1[3]M.H.Yang. Kernel Eigenfaces vs kernel Fisherfaces: face [6]Analog Devices Inc. MicroConverterTM, Multichannel 12- Bit recognition using kernel methods. Proceedings of the Fifth IEEE ADC with Embedded FLASH MCU ADμC812,Ver 2.0 [Z]Septem- International Conference on Automatic Face and Gesture ber 1999 ’–Recognition (RGR02),.Washington DC. May, 2002. pp. 215220. [7]Analog Devices Inc. ADμC812 User' s Manual, [Z]2000冯素玲人脸识别常用方法研究微计算机信息:[4]. . . 2004. 20(5) ，[8]Analog Devices Inc. MicroConverterTM,SPI Serial Port[Z]199994- 95 作者简介骆耀祖男广东广州人韶关学院 : , ( 1948- ) , , , 郭群王志良郭建波视频图像中的人脸识别微计算机信息[5]... . .信息

工程

路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理

学院高级工程师目前研究方向嵌入式操 。: :2005. 21(3)183- 184作系统李强男 甘 肃 ,E- mail:sgulyz@tom.com;(1964- ), , 周杰卢春雨张长水李衍达人脸自动识别方法综述电子学 [6].... .兰州人哈尔滨工业大学计算机应用硕士广东韶关学 , ,报. 2000. 28(4): 102- 106. 院信息工程学院高级工程师在某研究所从事十余年。 [7]杨光正. 模式识别. 合肥:中国科技大学出版社. 2001计算机硬件应用开发方面的工作主要研究方向嵌入 ,:作者简介徐从东男博士研究生主要研究 : ( 1971- ) , , , 式应用系统嵌入式操作系统, ,Email:sgulq2003@mail. 方向为模式识别图像处理、, Email:congdong@ipp.ac. china.com。 罗家融研究员博导肖炳甲研究员博导cn; , 、; , 、。 合肥市中国科学院等离子 体物理研究 所徐 (230031 ) 从东 罗家融 肖炳甲 合肥市解放军炮兵学院徐从东(230031 ) (Institute of Plasma Physics, Chinese Academy of Sciences, 骆耀祖广东韶关广东韶关学院计算机系(512005 ) Hefei 230031)Xu,Congdong Luo,J iar ong Xiao,Bingjia 李强(Ar tiller y Academy of PLA, Hefei 230031)Xu,Congdong (Depar tment of Computer ,Shaoguan Univer sity,Guangdong, 通讯地址合肥市 信箱中科院等离子体 : (230031 1126 China,512005)Luo,Yaozu Li,Qiang 物理研究所计算机应用研究室徐从东) 通讯地址广东省韶关市广 东韶关学院 计算 : (512005 收稿日期修稿日期(:2006.2.9)(:2006.3.8) 机系骆耀祖) 收稿日期修稿日期(:2006.2.10)(:2006.3.8)