陈勇++林颖

摘 要： 采用基于PCA（主成分分析）的特征脸人脸识别方法，判断一张给定的图像是否为人脸图像。该方法通过计算训练集的特征向量，得到一个由特征脸组成的子空间，并将训练集中的人脸图像投影到该子空间中。检测人脸时，将二维的人脸图像投影到脸空间，并计算该图像与脸空间之间的欧几里得距离，以距离是否小于某一设定的阀值来识别是否人脸图像，实验测试结果准确率为97.5%。

关键词：人脸识别；特征脸；主成分分析

中图分类号：TP391 文献标志码：A

Abstract： The main work of this thesis is to determine whether a given image is a human face picture by using the eigenface approach—a face recognition method based on PCA （Principal Component Analysis）. The approach calculate eigenvector （or eigenface） from the training set to obtain a subspace spanned by the eigenfaces， and then project the face images in training set onto the subspace. When detecting faces， the two-dimensional face image is projected onto the face space and the Euclidian distance between the image and the subspace is computed. If the distance under a chosen threshold， then the image is classified as a face image，the accuracy of the test results is 97.5%.

Key Words： face recognition； eigenface； principal component analysis

1 引言

人脸检测是一种是人脸识别的重要组成部分，因为人脸是复杂、多维和表情丰富的。人脸检测大多数是检测人脸的正面，多姿态和复杂背景下的检测目前仍然存在较大的困难。从20时代50-60年代开始，人们就以开始研究人脸识别[1-3]。人脸识别技术可以分为基于几何特征的方法[4]、基于模板的方法[5]、基于模型的方法[6]。主成分分析（PCA， Principle Component Analysis），是一种统计学方法， 其基本思想是提取出空间原始数据中的主要特征， 减少数据冗余， 使得数据在一个低维的特征空间被处理， 同时保持原始数据的绝大部分的信息， 从而解决数据空间维数过高的瓶颈问题[7-9]。在众多特征提取技术中，子空间分析方法因其实施性好、有效性高等特点，成为人脸图像特征提取和识别的主流方法之一。利用特征脸特征，重建识别人脸，把PCA的子空间方法引入到人脸识别中，成为一个人脸识别方面的重要方向[10]。

2 特征脸方法

特征脸方法将人脸识别问题视为一个二维的识别问题，是通过正交变换来实现的。……