基于改进knn算法的人脸识别研究_甘守飞.pdf

第 33卷 第 3期 佛山科学技术学院学报 （自然科学版） V o l.3 3N o.3 2015 年 5 月 JournalofFoshanUniversity （NaturalSciencesEdition ） May2015 文章编号：1008-0171（2015 ）03-0052-04 基于改进 kNN 算法的人脸识别研究 甘守飞 （宿州学院 信息工程学院，安徽 宿州234000 ） 摘要：通过分析人脸识别流程和结构设计分析得出分类算法的选择决定着人脸识别结果质量；从而对经典 kNN 算法进行分析，提出了一种动态取得 k 值的改进 kNN 分类算法。 通过实验测试，证明改进的 kNN 分类算法可以 有效地提高识别精度的稳定性。 关键词：人脸识别；特征提取；k- 邻近 中图分类号：TP391.41 文献标志码：A DOI:10.13797/ki.jfosu.1008-0171.2015.0058 人脸识别作为一种基于人脸特征的生物识别技术，主要是以人的脸部特征进行有效比对的识别过 程，其应用领域非常广泛，譬如：公安监控、司法认证、安检、身份验证、证件识别、改进人机交互功能等 领域。 由于人脸识别系统的质量很大程度上取决于分类识别精度的高低，所以在人脸识别中分类算法 的选择至关重要。常用的分类技术有：朴素贝叶斯分类、决策树、随机森林、Haar 分类、k-近邻、神经网络 等。 上述算法中，k-近邻（kNN ，k-Nearest Neighbor ）分类算法是分类技术中最简单、有效的方法之一，具 有简单、易于理解、易于实现、无需估计参数、无需训练等优点。 非常广泛地应用于文本分类、模式识别、 ［1-2］ 图像及空间分类等学科领域 。 但是 kNN 算法也存在着计算量大、存储容量依赖性强、k 值的确定问 题等缺点。 本文对传统的 kNN 算法进行改进，设计出一种动态的取得 k 值的 kNN 分类器，由此提出的人脸识 别系统解决了识别过程中识别精度不稳定的问题。 1 人脸识别 1.1 人脸识别的流程 通用的人脸识别流程可以分为几个步骤 ，每个步骤其实就是一个任务 。 总体来说 ，人脸识别其实就 是多个任务按照串行的关系逐步实现的过程。 其主要步骤包括人脸检测、特征提取、匹配识别，结合起 来就构成了人脸识别的流程。 （1）人脸检测。 人脸检测也就是人脸定位 ，是在图中检测有没有人脸，并把人脸从图中分割出来 ，是 人脸识别工作的第一步 。 在人脸检测算法中，主要有模板匹配模型 、肤色模型 、ANN 模型 、SVM 模型 、 Adaboost 模型等。 其中，肤色模型检测、模板匹配模型的精度不高而且容易有漏检和误检；ANN 模型、 SVM 模型检测的速度太慢 ；Adaboost 模型检测的速度 比较快，特别对视频流可以实现实时检测的效果。 收稿日期：2015-03-23 基金项目：安徽省级质量工程项目（2013gxk095 ，2014mooc056 ）；国家级大学生创新项目（201410379003 ）；安徽省高等学 校教学研究重点项目（2014jyxm378 ） 作者简介：甘守飞（1978-），男，安徽宿州人，宿州学院实验师。 第 3 期 甘守飞：基于改进 kNN 算法的人脸识别研究 53 （2 ） 特征提取。 特征提取是人脸图像识别中的一个必要环节，具体描述就是：使用计算机从人脸图 像中提取出相关信息，并判断出图像的有效特征区域或特征点。 特征提取的目的是提取出一组保持类别 特性的、维数低的数据信息样本，特征提取也是解决人脸识别问题的关键之一。 人脸识别特征提取方法的 ［3］ ［4］ ［5］ 研究主要有：人工神经网络模型 、主成份分析法（PCA ） 、线性鉴别分析法（LDA ） 、独立成份分析法