人臉識別實(shí)驗(yàn)報告

PCA

人臉識別實(shí)驗(yàn)報告PCA方法是由Turk和Pentlad提出來的，它的基礎(chǔ)就是Karhunen-Loeve變換(簡稱KL變換)K_L變換的實(shí)質(zhì)是建立了一個新的坐標(biāo)系，將一個物從而有可能去掉那些帶有較少信息的坐標(biāo)系以達(dá)到降低特征空間維數(shù)的目的。完整的PCA讀入人臉庫n*m,N=n*mN維空間中的一個點(diǎn)，可K-L變換用一個低維子空間描述這個圖像。K-L變換的生成矩陣計算一張圖片X在特征空間上的投影系數(shù)（也可以理解為X在空間U中的坐標(biāo)）識別投影系數(shù)進(jìn)行識別。Eigenface算法在利用PCA(Eigenface)是其中的一個經(jīng)典算法。特征臉方法是從主成分分析導(dǎo)出的一種人臉識別和描述技術(shù)圖像區(qū)域看作是一種隨機(jī)向量，因此可以采用K-L變換獲得其正交K-L基底。對應(yīng)其中較到由特征臉構(gòu)成的子空間上，比較其與己知人臉在特征空間中的位置，具體步驟如下：(1)初始化，獲得人臉圖像的訓(xùn)練集并計算特征臉，定義為人臉空間，存儲在模板庫中，以便系統(tǒng)進(jìn)行識別；(2)輸入新的人臉圖像，將其映射到特征臉空間，得到一組關(guān)于該人臉的特征數(shù)據(jù)；(3)通過檢查圖像與人臉空間的距離判斷它是否是人臉；(4)若為人臉，根據(jù)權(quán)值模式判斷它是否為數(shù)據(jù)庫中的某個人，并做出具體的操作。實(shí)驗(yàn)步驟首先讀入訓(xùn)練數(shù)據(jù)庫，然后讀入測試數(shù)據(jù)庫輸入要測試的人臉序號實(shí)驗(yàn)結(jié)果得到測試圖像和識別后匹配的人臉圖像人臉識別未來的發(fā)展人臉識別是一個跨學(xué)科富挑戰(zhàn)性的前沿課題，人臉圖像中姿態(tài)、光照、表情、飾物、背景、時間跨度等因素的變化對人臉識別算法的魯棒性都有著負(fù)面的影響，單一的PCA方法識別率不高，今后的發(fā)展方向可以與其他方法(如：支持向量機(jī)、小波變化等)相結(jié)合來彌補(bǔ)單一方法的不足，讓身份識別更準(zhǔn)確。參考文獻(xiàn)[1]R.O.Duda,P.E.Heart,andD.G.StorkPatternClassification,SecondedJohnWiley&Sons,2001[2]Sami Romdhami Face Image Analysis using a Multiple Feature Fitting thesis,UniversityofBasel,SwitzerlandJanuary2005[3]KyongChang,KevinW.Bowyer,PatrickJ.