基于主成分分析的人脸识别研究

人脸识别技术就是利用计算机分析人脸图像,提取有效的识别信息来辨认身份或者判别待定状态的一门技术。它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识,是当前研究的热点之一。然而,由于识别结果往往容易受到表情,姿态和光照变化的影响,同时还要保证识别系统的实时性,极大地影响了人脸识别走向实用化。 人脸识别主要包括图像预处理,特征提取和识别三个环节。在图象预处理阶段,采用了基于一维预处理的图象锐化方法,即运用一维的高斯平滑滤波器和一维的高斯微分算子来分别提取图象的水平和垂直锐化成分,最后合成总体锐化图象。与二维锐化方法相比,其运算时间更短,锐化成分的拖尾效应更少。 在特征提取阶段,研究了PCA,2DPCA,（2D）2PCA,DiagPCA,DiagPCA+2DPCA等多种方法。不同于基于图象向量的PCA特征提取,由于2DPCA,（2D）2PCA,DiagPCA和DiagPCA+2DPCA的特征提取都直接基于图象矩阵,计算量小,所以特征的提取速度明显高于PCA方法。 最后,将一维图象预处理和PCA,2DPCA,（2D）2PCA,DiagPCA等特征提取方法结合起来进行识别工作。大量的实验结果表明,结合图象一维锐化和基于图象矩阵的2DPCA,（2D）2PCA,DiagPCA等特征提取不仅能大幅度减少特征的提取时间,而且可以充分利用锐化图象的特点来克服光照的影响,有效提高人脸识别系统的光照鲁棒性。