李张红，郑燕柳，田　涵，杨瑞丽

（河南师范大学，河南 新乡 453007）

小波核极限学习机在人脸识别中的应用

李张红，郑燕柳，田涵，杨瑞丽

（河南师范大学，河南 新乡 453007）

文章提出了一种基于小波核极限学习机（Wavelet Kernel Extreme Learning Machine，WK-ELM）的人脸识别算法。首先，使用2D盖博小波变换对人脸图片进行初步的人脸特征提取。为了从所有提取的特征中选择出与人脸识别相关的、必要的特征，使用主成分分析法（Principal Component Analysis，PCA）对经过初步处理后的图像再进行进一步处理，有效地降低了特征维数。然后使用小波核极限学习机对提取到的图像进行分类。实验证明，小波核极限学习机不仅识别性能高，而且训练速度也优于其他算法。

极限学习机；人脸识别；特征提取；主成分分析；小波核极限学习机

随着模式识别、计算机视觉以及电子商务的发展，人脸识别技术已逐渐成为现在生物识别技术的重要研究方向。其主要原因有两个方面［1］：首先，人脸识别技术比其他生物识别技术更加友好、人性化、使用方便、不易仿冒，所以它被应用于很多领域，尤其是在国家的重要机构以及社会安全防护领域都具有不可替代的地位；其次，近年来相关领域技术的飞快发展也为人脸识别技术的研究与应用奠定了基础。人脸识别是指利用计算机技术对收集到的图像进行预处理并提取人脸的主要特征，最终实现对人身份的识别。

近年来学者们研究发现，可以用一组二维Gabor小波来模拟大部分视觉皮层简单细胞的滤波响应［2］。……