基于二维pca的人脸识别方法研究.pdf

维普资讯 第 27卷第 1期 杭 州 电子科 技 大 学学 报 Vd．27，No．1 2007年02月 Joun~l of № Diarm Ud-,,e~ty Feb．柳 基于二维PCA的人脸识别方法研究 韩 柯，朱秀昌 (南京邮电大学通信与信息工程学院，江苏 南京 210003) 摘要：该文提出了一种基于二维PcA的类内平均脸方法进行人脸的特征提取。首先利用类内平均 脸对人脸训练样本进行规范化处理 ，根据规范化之后的人脸训练样本计算图像协方差矩阵，并求 解一组最优特征向量，然后将人脸样本投影到这组最优特征向量上来提取人脸的特征，最后采用 最近邻距离分类器来分类所提取的特征。此方法在NUST603人脸图像库上进行了实验 ，验证了该 方法的有效性。 关键词：人脸识别；特征提取；图像处理；模式识别 中图分类号：TP391．41 文献标识码：A 文章编号：1001—9146(200r7)01—0069—04 0 引 言 人脸识别是当前模式识别领域内的一个活跃课题，有着广泛的应用前景l1J。但由于人脸图像可能 会受到光照、遮挡、人脸表情以及姿态等多种因素的影响，使得对其进行正确识别存在一定的难度，如何 消除这些不利因素的影响成为人脸识别问题的关键。在进行人脸的特征提取时，要求所提取的人脸特 征对上述因素具有一定的鲁棒性。在人脸的特征提取方法中，基于PCA的特征脸方法是一种有效的特 征提取方法[22]，它不仅可以有效地降低人脸图像的维数，同时又能保留主要的识别信息。但此方法需要 将人脸图像矩阵预先转换成一维的向量，然后以向量作为原始特征进行特征提取。由于转换后的一维 向量的维数一般较高，于是对随后的特征提取造成困难，使得后续算法具有较高的计算复杂度。为此， Yahg等提出了二维PCA方法进行人脸图像的特征提取[引，此方法不需要预先将人脸图像矩阵展开成一 维的向量，有效地提高了特征提取的速度，并取得了较高的识别率。最近，何国辉等提出了基于PCA类 内平均脸的方法进行人脸识别[，该方法对每一类训练样本求其类内平均脸，并以此为基础求解特征向 量，获得了较好的识别效果。在此基础上，本文提出了一种二维 PCA类内平均脸的方法进行特征提取， 本文方法利用二维PCA进行特征提取的优点，在特征提取之前不需要将人脸图像矩阵展开为一维的向 量，减小了后续算法的计算复杂度，同时对每一类训练样本求类内平均脸，并用类内平均脸对其类内的 训练样本进行规范化处理 ，然后计算图像协方差矩阵，并根据图像协方差矩阵求解一组最优特征向量来 用于人脸的特征提取。本文方法不仅扩大了类间样本差别，缩小了类内样本差别，同时提高了特征提取 速度。在 厶脸图像库中的实验验证了本文方法的有效性。 收稿 日期；2006—06—10 作者简介：韩 柯(1979一)，男，山东临清人 ，博士研究生，图像处理与多媒体通信 维普资讯 70 杭 州 电子科 技 大 学 学 报 2OO7年 1 基于二维PCA的类内平均脸方法 1．1特征向量的计算 设人脸图像的训练样本总数为N，人脸图像样本的类别数为C，Nc(1≤c≤C)为第C类中的人脸样本 个数，A i表示人脸图像训练样本中第c类的第 i个样本，其中人脸图像Ai为m×n的矩阵，则第c类训 练样本的类内平均脸五定义为： N Z-~jAi (1) 对第C类中的每个训练样本进行规范化处理： Bi=A 五 i=1，2，…，Nc (2) 式中，Bi表示对A i