聂栋栋，贺悦悦，马勤勇

(1.燕山大学 理学院，河北 秦皇岛 066004；2.燕山大学 信息科学与工程学院，河北 秦皇岛 066004)

0 引言

人脸识别是生物识别的一个重要课题，它在身份认证、商业交易、安全保障等多个领域广泛应用。用计算机对人脸进行识别的过程，大致可分为图像获取、特征提取、分类器选择三大步骤。图像获取阶段主要是收集图像数据，通常可以利用一些规范的人脸数据库。特征提取阶段常用的算法有几何特征的方法[1]，弹性图匹配模型[2]，子空间算法，如主成分分析(Principal Components Analysis,PCA)、线性鉴别分析(Linear Discriminate Analysis,LDA)、独立主元分析[3]、小波变换[4]等。在分类阶段，常用的分类器有卷积神经网络[5]、支持向量机[6]、最近邻分类[7]、基于稀疏表示的分类(Sparse Representation-based Classification,SRC)[8]算法等。

本文提出一种基于PCA主成分分析和LDA线性判别分析，通过协同表示分类(Collaborative Representation-based Classification,CRC)进行人脸识别的算法。首先采用PCA和LDA相结合的方法对人脸数据库中的样本信息进行降维和特征提取，然后采用CRC协同表示方法进行分类。该算法克服了主成分分析忽略了数据的类别信息及线性判别分析类内散度矩阵奇异的缺陷，在图像维数较小的情况下就能够取得良好的识别效果，而且算法采用协同表示分类，使它具有比经典的基于稀疏表示的分类算法具有更快的处理速度和更好的抗干扰性能。实验结果也证实，本文算法能够在不同的姿态、光照和面部表情的变化下，尤其是在强烈的高斯噪声干扰下达到更好的人脸识别效果，具有非常好的实用价值。……