乐新宇，肖小霞

(1.广东省龙川县广播电视台，广东 龙川 517300;2.武汉大学 计算机学院，湖北 武汉 430072)

0 引 言

人脸识别[1]是模式识别和计算机视觉领域中一个非常重要的研究课题，众多学者对该课题展开了研究，提出了一系列经典的人脸识别方法。例如，文献[2]提出了基于主成分分析(PCA)的特征提取方法来完成人脸识别任务，但该方法由于没有很好地利用人脸的局部信息，因此识别率不高[3]，而且可能导致小样本问题[4]。

针对PCA应用于人脸识别问题上的不足，文献[5]提出了二维主成分分析(2DPCA)方法来进行人脸识别，通过计算维度低得多的协方差矩阵在一定程度上提高了人脸识别的精度，但该方法没有考虑协方差矩阵中行与行之间的相关性，对于复杂环境下的人脸识别问题不能得到最优解[6-7]。在此基础上，有研究者分析了待考察图像的列和行的关系[8]，对2DPCA进行了改进，提出了(2D)2PCA来解决复杂环境下的人脸识别问题，取得了与2DPCA一样的识别精度[9-10]。此外，文献[11-15]相继提出了分块PCA(BPCA)方法、PCA(BPCA_L1)方法和2DKPCA来进行人脸识别。虽然这些方法能够满足大多数场景下的人脸识别需求，但还普遍存在着由于局部信息丢失所导致的识别精度低的问题。

鉴于此，文中提出一种新的基于2DPCA的算法，以高效地实现人脸识别，并通过AR和ORL两个人脸数据库上的实验验证该方法的有效性。

1 算法提出

1.1 双向2DPCA

(2D)2PCA认为2DPCA实质上是对图像的行方向的运算，通过同时考虑图像行方向和列方向的运算，(2D)2PCA可以得到2个方向的2DPCA值。……