PCA与2DPCA机器学习

基于PCA的人脸识别摘要随着社会的发展和科技的进步，人们的生活和身份逐步趋于数字化，人们对信息安全和隐蔽性也越来越重视，这促使了对人类身份识别与认证技术的发展。现在，用计算机完成人脸识别任务，是一项很热门的同时具有挑战性的课题。它是由很多领域交叉而成的，如：模式识别、图像处理、计算机视觉和认知科学等。人脸识别技术的实际应用很广泛，且是现代生活自动化智能化所需的认证身份的一种重要方法。人脸识别主要包括人脸检测、特征提取和人脸识别三部分。本文在前人的研究基础上，主要从主成分分析（PCA）算法入手，介绍了算法的基本原理以及实现过程，并用MATLAB模拟仿真了单一PCA算法。同时，通过识别不同特性的待测人脸图像来简单的验证、分析了该识别算法的性能。PCA很容易引发“维数灾难”问题，训练样本的类别信息不能得到有效利用，为了克服PCA的不足，提出二维主成分分析，即2DPCA，其不需要先把样本矩阵变成一维行向量，而是直接计算人脸图像。因此，能保留更多的结构信息，性能优于PCA。关键词：特征提取、人脸识别、PCA、2DPC目录中文摘要ABSTRACT第一章绪论····························································································11.1人脸识别背景..........................................................................................................11.2起源与现状..............................................................................................................11.3人脸识别技术..........................................................................................................31.4本文内容..................................................................................................................3第二章PCA与2DPCA··············································································52.1PCA算法.................................................................................................................52.1.1原理................................................................................................................52.1.2PCA在人脸识别中的应用...........................................................................62.1.3特征值的处理...............................................................................................72.1.4改进...............................................................................................................82.22DPCA算法............................................................................................................82.2.1原理................................................................................................................82.2.22DPCA特征提取........................................................................................10第三章实验结果与分析···········································································113.1人脸数据库............................................................................................................113.2实验过程................................................................................................................113.3实验结果................................................................................................................123.3结果分析及优缺点................................................................................................16第四章总结··························································································174.1总结与展望...........................................................................................................17参考文献··························································································181第一章绪论1.1人脸识别背景随着科技的不断发展，各项科学技术已走进人们的日常生活。社会的生产方式及人们的生活方式都越来越自动化、智能化。在应用技术开启了人们自动化生活大门的同时，也给人们提出了一个新的课题：如何让我们自动化的生活既安全又方便？因此，对于涉及辨别个人主体权限的自动化场合，需要有一种能够有效的、可靠的、方便的认知个人主体的计算机技术，来保证人们自动化生活的安全性及隐私性。由此产生了生物特征识别技术。生物特征识别即根据个人主体所独有的生理特征，如：人脸、指纹、视网膜、基因、声音、行为特征等，使用计算机进行数字信号处理和模式识别来鉴别身份的一门交叉科学。使用生物识别技术具有其不可取代的优势：1、人体所特有的特征具有唯一性、不可复制性，不会被窃取，且随身而行，永远不存在忘带、丢失的情况，不需要经营管理。而且其通用性也可以使得我们不必像现在这样每个场合设置不同密码，每套房子安装不同门锁，每天带着一大串钥匙。因此，使用生物识别自然不会再出现密码记混、钥匙带错的纠结。由此可见，生物识别与我们已经使用的钥匙、密码、磁卡等相比，有更方便、更安全的特点。2、计算机是我们现代生活的承载体。而生物识别技术也是寄托于计算机的背景下得以实现及应用的。因此生物识别能够很好融入计算机系统，成为我们自动智能化生活的一把完全锁。人脸识别是利用计算机分析人脸图像，从中提取有效的特征信息，用于辨别身份的一种技术。人脸是人们最主要的生物特征之一，是人们的第一外部特征。所以，人脸识别在现代识别领域中具有其特有的优点，占据重要地位。与其他生物识别相比，人脸识别的特征提取过程最方便快捷，只需要人脸在一台摄像机的视野范围内出现即可，识别主体完全可以忽略采集过程的存在。且人脸识别系统具有很好的交互性，有利于人机交互系统，特别是视频会议的广泛应用。1.2起源与现状在1888年,Galton就曾经用一组数字表示不同的人脸侧面特征。FrancisGalton于1910年在人脸侧面轮廓图像上进行过深入的研究,他提出的方法主要侧重于检测人脸的重要特征或者关键点(keypoints),这些典型的关键点包含眼角、鼻尖、嘴角以及脸颊等。通过提取到的关键信息与已知人脸的特征进行比较,选出最准确的识别结果。人脸识别的输入图像一般分为三种情况:正面、倾斜、侧面,而这种关键点比较法对人脸的偏转角度十分敏感,因此很难进行准确的定位。早在20世纪60年代末，人脸识别即引起了研究者的强烈兴趣，最初的人脸识别技术2基于面部几何特征分析，而且重点使用的是从侧面人脸图像上提取的几何特征。直到八十年代，人脸识别一直处于提取的特征数目少，自动提取特征的准确度也比较低的状态，进展甚微。九十年代以来，随着高速度高性能的计算机的出现，人脸识别的方法有了重大突破，进入了真正的机器自动识别阶段，人脸识别研究得到了前所未有的重视。国外有很多大学在此方面取得了很大进展，他们研究涉及的领域很广，其中有从感知和心理学角度探索人类识别入脸机理的，如美国TexasatDallas大学的Abdi和Toole小组，主要研究人类感知人脸的规律，如漫画效应、性别识别与人脸识别的关系、种族效应等；由Stifling大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组，主要是研究人类大脑在人脸认知中的作用，并在此基础上建立了人脸认知的两大功能模型，他们对熟悉和陌生人脸的识别规律以及图像序列的人脸识别规律也进行了研究。也有从视觉机理角度进行研究的[3]，如英国Aberdeen大学的Craw小组，主要研究人脸视觉表征方法，他们对空间频率在入脸识别中的作用也进行了分析；荷兰Groningen大学的Petkov小组，主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式识别方法。更多的学者则从事利用输入图像进行计算机入脸识别的研究工作。20世纪60年代末，学者们开始对人脸识别进行研究，到九十年代，随着计算机的发展，人脸识别开始了机器自动识别时期，也因此受到极大的关注。近些年来，国际上有关人脸识别的论文发表数量也大幅增加，在1990年与2000年之间，EI可检索到的相关文献达数千篇，每年的国际会议上关于人脸识别的专题也屡见不鲜，IEEE的PatternAnalysisandMachineIntelligence(PAMI)汇刊还于1997年7月出版了人脸识别专辑。到了最近的5年，还陆续出现了一系列评价人脸识别技术的方法，如：FERET协议、XM2VTS协议，并且有了一些重要的国际会议，如AFGR和AVBPA。国内从事人脸识别研究的大学有清华大学、浙江大学、哈尔滨工业大学、南京理工大学等。国内外的许多大学都有计算机视觉的研究组及人脸图像处理课题的研究小组。国外著名的大学包括MIT、CMU、Cornell等，德国的一些相应的研究机构也开展得较好。从二十世纪九十年代中期开始，陆续出现了一些人脸识别商业系统，这些商业系统基本都依托了知名研究机构多年的研究成果。从1994年开始，一些科研单位和公司开始将理论研究