罗志刚

（南方电网有限责任公司广东佛山供电局，广东佛山 528000）

随着数字化和移动支付的日益普及，通过传统的密码和口令卡来保护机密数据变得愈发困难。由于生物识别技术为用户提供了更高水平的安全性，研究人员将重点放在了生物识别技术上[1]。生物特征识别是指利用人的生理和行为特征（如指纹、面部、虹膜、声音、步态等）进行身份识别[2]。通常，人脸识别由于其独特性、不变性和低成本等特点，已被广泛应用于移动支付、登机识别等个人身份认证[3]。然而，由于尺寸、种族、光照、姿势、表情和年龄的不同，人脸识别难以准确实现。目前，人脸识别的研究主要集中在基于纹理的匹配，纹理分析最重要的是利用邻域来表达人脸图像中存在的强度值空间行为。局部二值模式(LBP)是从人脸图像中提取最具识别性特征的有效方法[4]。

在计算机视觉领域，为了降低特征空间的维数并提高识别精度，消除冗余以及不相关面部特征的方法主要有遗传算法(GA)[5]、粒子群优化算法(PSO)[6]和蚁群优化算法(ACO)[7]等进化算法。K 近邻(KNN)在统计估计和模式识别中已广泛应用，并且文献[8]已经证明KNN 是一种简单且高效的人脸识别算法。在基于种群的优化算法中，由于PSO不存在局部极小问题，因此可用于模式识别中的参数优化。

文中提出了一种基于PSO-KNN 算法的人脸识别方法，从人脸图像中提取最具识别性的LBP 特征，并利用GA、PSO 和ACO 等进化优化算法降低特征空间的维数，并研究了PSO 算法在KNN 算法中对K 值的优化，提出的具有元启发式算法最佳特征的PSOKNN 可以准确识别个体。……