隋在娟 三星电子（中国）研发中心

一、人脸识别过程

人脸线性鉴别分析的基本步骤是获取代表最重要鉴别特征的特征向量，将特征向量组成特征鉴别空间，再对不同人脸在此空间上投影，之后用适合的分类器将要归类的人脸进行归类。此过程最重要的步骤就是特征空间的选取，获取到的特征空间要具有很强的鉴别特性，能高效迅速的获取不同人脸的最具有区分能力的特征。其中经典的算法有Fisher鉴别准则，定义如下：

该经典鉴别准则函数将人脸特征空间中的类间散度矩阵Sb和类内散度矩阵Sw结合，为确定最优的人脸投影方向提供了一个使同类尽量聚合，异类尽量区分的准则。很容易理解，因为同类尽量聚合，异类趋于最大的特性使得在该特征空间投影后，不同类的人脸的特征差异很大，相同类的人脸特征趋于相同，因此获取了每个人的最具鉴别的区分能力。我们将人脸样本在这个空间中进行投影得到特征人脸，之后再选择合适的分类器将样本进行分类。

二、多种分类器研究

（一）K近邻分类器

K近邻分类器（KNN）是人脸识别常用的一种分类器，这里的K是指K个的意思，KNN表面意思就是K个最近的邻居，说明该算法只关注最邻近的几个人脸样本。它的思想是在特征空间中，将测试样本与训练样本的特征距离进行计算，并且根据距离的远近获取最近的几个样本的类别，这几个类别的投票结果决定了该测试样本的类别。

在投影空间中投影得到的特征人脸分布，已知两类人，圆形表示第一个人的几张图片，三角形表示第二个人的几张图片，图中人脸的位置是在人脸特征空间的位置转换为二维空间的简单示意，想求正方形样本是哪一个人的人脸图像。……