杨颖娴

(广东司法警官职业学院信息管理系，广东 广州 510520)

改进ICA的人脸特征提取方法

杨颖娴

(广东司法警官职业学院信息管理系，广东 广州 510520)

在人脸特征提取的过程中主要采用ICA方法。介绍了ICA算法的原理，并对ICA算法的优缺点进行了讨论，给出了改进的ICA算法。试验结果表明，改进的ICA算法应用于人脸的特征提取比PCA算法更具有优越性，所提取的人脸特征更利于人脸的分类，从而获得较高的识别率。

独立元分析法；特征提取；人脸识别

近年来，人脸识别的研究已经成为生物识别和人工智能领域的一个研究热点，得到了越来越多的关注。由于人脸识别与其他生物特征识别相比具有更直接、无侵犯性、隐蔽性、采集设备便宜等优势，所以该项技术已被广泛地应用于公安、智能门禁、交通流量控制、智能视频监控、银行卡持卡人身份验证、ATM识别认证、司机驾照验证、医学、视频会议、人机交互系统等各方面。特征提取是人脸识别中一个非常重要的环节，目的是为了降低人脸图像的维数。目前，常用的基于统计的特征提取方法有主成分分析(PCA)[1]和线性判别分析(LDA)[2]等。独立元分析(ICA)[3]是近年来发展起来的一种新的多维数字信号处理技术，其基本思想是在最大程度保持信息量的前提下，从高维数据空间中提取出低维数据的特征分量，是一种基于人脸全局特征的识别方法。相比较于PCA算法，ICA算法的思想是获取数据的独立分量，是一种基于人脸局部特征的识别方法，并且考虑了传统的PCA未考虑信号的高阶统计特性，去除了信号中高阶冗余信息。……