基于PCA的人脸识别技术的研究

人脸识别是生物特征识别中一个活跃的研究领域，智能人脸识别软件技术对新时期的反恐和综合安全等具有重大意义。人脸识别系统以人的脸像作为识别身份的媒介，采用计算机视觉和图像处理技术，抓住人脸的轮廓特征和局部细节特征，研究匹配和识别方法。目前己经在身份鉴别和权限控制等方面得到了广泛的应用，是计算机科学与技术和模式识别领域中非常活跃的研究课题。人脸识别方法主要分两类：基于整体特征的方法和基于特征分析的方法。本文采用基于整体的特征脸方法(PCA)，并以人脸识别为目标，以基于PCA的人脸识别方法为重点进行了分析比较研究和实现的关键技术研究。主要的工作如下： (1)介绍人脸识别的研究背景、意义，比较分析当前常用的人脸识别技术，以及存在的主要困难。 (2)人脸识别的关键问题是人脸的检测和人脸特征的提取，所以本文利用人脸的肤色信息，实现了人脸的检测与定位。采用基于肤色模型的方法，先检测出人脸的一个大致区域，再进行眼睛、嘴巴等的定位，最后得到人脸的精确位置。系统测试过程中发现，基于肤色模型的人脸检测对正面人脸的检测效果较好，而对多尺度检测的能力较弱并且对光线的变化敏感。 (3)比较深入的分析了PCA人脸识别方法的原理，并对PCA在应用过程中遇到的特征值选择和距离准则问题进行了研究，实现了基于PCA算法的人脸识别。PCA方法的显著特点就是利用低维特征向量来表示原始样本信息，但是这样产生的结果就是，使得PCA方法在特征值提取的计算量和时间上的花费都很大，所以本文对PCA的一种改进方法2DPCA也进行了研究，并通过实验比较了二者的性能，2DPCA识别时间更短，识别率更高。 (4)研究了基于Fisher准则的线性辨别分析方法，针对该类方法在人脸识别中遇到的小样本问题，本文介绍了常用的一种解决方法—PCA+LDA。该方法先用PCA方法对特征空间进行降维，再利用Fisher线性辨别分析方法分类，最后实现人脸的识别。在此基础上提出了基于Fisher准则的2DPCA人脸识别方法，并通过实验证明，该方法是可行的，不仅提高了特征提取的速度，而且识别率也比单独的2DPCA方法和PCA+LDA方法高。