基于二维对称主成分分析的人脸识别

合集下载

基于二维主分量分析的面部表情识别

基于二维主分量分析的面部表情识别
程剑;应自炉
【期刊名称】《计算机工程与应用》
【年(卷),期】2006(42)5
【摘要】提出了一种直接基于图像矩阵的二维主分量分析(2DPCA)和多分类器联合的面部表情识别方法.首先利用2DPCA进行特征提取,然后用基于模糊积分的多分类器联合的方法对七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)进行识别.在JAFFE人脸表情静态图像库上进行实验,与传统主分量分析(PCA)相比,采用2DPCA进行特征提取,不仅识别率比较高,而且运算速度也有很大的提高.
【总页数】3页(P32-33,39)
【作者】程剑;应自炉
【作者单位】五邑大学信息学院,广东,江门,529020;五邑大学信息学院,广东,江门,529020
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于二维主分量分析的成趟足迹特征提取方法 [J], 刘玉泽;方欣欣;暴田叶
2.基于二维主分量分析的人耳身份识别研究 [J], 唐邦杰;封筠
3.基于小波域两向二维主分量分析的 SAR 目标识别 [J], 李汶虹;王建国;田莉萍
4.基于双向二维加权主分量分析的面部表情识别 [J], 韩金玉;尤奎军
5.基于二维主分量分析的人耳身份识别研究 [J], 唐邦杰;封筠
因版权原因，仅展示原文概要，查看原文内容请购买。

融合类别信息的二维主成分分析人脸识别算法

融合类别信息的二维主成分分析人脸识别算法
徐倩;邓伟
【期刊名称】《计算机工程与设计》
【年(卷),期】2008(29)22
【摘要】二维主成分分析(2DPCA)已被成功地应用在人脸识别领域,但是这种
2DPCA是无监督方法,投影没有考虑到类别信息,在一定程度上影响了识别性能.因此提出一种新的2DPCA,它利用训练样本的类别标记来生成K-L变换的产生矩阵,融合了样本的类别信息,从而使2DPCA的识别性能更好.基于ORL和Yale人脸数据库的实验表明该方法比传统的2DPCA的识别性能更高.
【总页数】3页(P5792-5794)
【作者】徐倩;邓伟
【作者单位】苏州大学,计算机科学与技术学院,江苏,苏州,215006;苏州大学,计算机科学与技术学院,江苏,苏州,215006
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于神经网络的二维主成分分析人脸识别算法 [J], 邵天双;金丽华
2.一种改进的核二维主成分分析人脸识别算法 [J], 杨磊;刘美枝
3.一种改进的核二维主成分分析人脸识别算法 [J], 杨磊;刘美枝;;
4.多信息融合的深度学习人脸表情识别算法研究 [J], 阮凯; 邱卫根
5.基于子模式的二维主成分分析融合复判别分析的人脸识别 [J], 史钰潮;谭立辉
因版权原因，仅展示原文概要，查看原文内容请购买。

一种局部加权的二维主成分分析算法及其在人脸识别中的应用

ＪＮ，ＲＵＡＮｕｑＩＹｉＱｉ— ｉ
（ｏｌｇｆＣｏｕｅｎｎｏｍａｉｎＴｅｈｏｏｙＣｌｅｏｍｐｔｒａｄＩｆｒｔｃｎｌｇ，ＢｅｉｇＪａｔｎｉｅｓｔｅｏｉｎｉｏｏｇＵｎｖｒｉｊｙ，Ｂｅｉｇ１０４，Ｃｉａｉｎ００４ｈｎ）ｊ
近年来，人脸识别技术因其在公安、海关、通、交金融、医疗等领域具有广阔的发展前景和很高的社
会经济效益而备受关注．于静止图像的人脸识别基
受光照、情、态、龄等众多因素的影响，此，表姿年因如何进行特征选择以及如何提取最有效特征就成为人脸识别研究领域的一个首要问题．主成分分析法（ｒｃｐｌｏｏｅｔａａｙｉ，ｐｉｉａｃｍｐｎｎｎｌｓｓｎ
ｔｎｏｔｈａａｔｒｓｉｕｐｅＦｉｓａｅｒａｅｎｔｈｓｐａｔａｌｅｇｈｔｄ２ｉｇｔｈｅｃｒｃｅｉｔｃｓｂｓａｃ．ｒｔｆｃｓａｅｍｐｐｄｏｏｔｉｒｉｌｙｗｉｅＤＰＣＡｓｓｃｕｂｐａｅ，ｔｅｈｅａｐｌｓｒｃａｓｆｅｂｃｌｕａｉｔｅｉｔｎｃｆｏｔｓｍｐｌｓｏｈｐｒｉｌｙｈｎｔｓｍｅａｅｌｓｉｉｄｙａｃｌｔｎｇｈｄｓａｅｒｍｈｅａｅｔｔｅａｔａｌｗｅｇｅｉｈｔｄ２ＤＰＣＡｕｐｃ．Ｔｏｔｓｈｓｎｗｅｈｏｓｂｓａｅｅｔｔｉｅｍｔｄ，ＯＲＬａｅｄａａａｅｅｅｕｅｎｔｗａｏｄｔａｈｅ — ｆｃｔｂｓｓｗｒｓｄａｄｉｓｆｕｎｈｔｔｅｒｃｏｉｉａｅｗａｇｈｒｔｎｗｉｈｅｔｒ２ｇｎｔｏｎｒｔｓｈｉｅｈａｔｉｈｅＤＰＣＡｏｒＰＣＡａｄｔｃｍｐａｉｎｌｏｐｅｉｙｉｔｉｎｈｅｏｕｔｔｏａｃｍｌｘｔｄｄｎｏｎ— ｃｅｓｉｉｉａｔｙｒａｅｓｇｎｆｃｎｌ．Ｋｅｗｏｄｙｒｓ：ｔｏｄｍｅｓｏｎｌｐｒｎｉｌｃｍｐｎｅｔａｌｓｓ；ｐａｔａｌ－ｅｇｅｗ — ｉｎｉａｉｃｐａｏｏｎｎａｙｉｒｉｌｙｗｉｈｔｄ；ｆｃｒｃｇｎｔｏｎ；ｗｅｇｅａｅｅｏｉｉｉｈｔｄｆａｌｅｅｔａｔｏｅｔ】ｘｒｃｊｎｒ

基于改进的2DPCA对近红外人脸图像的识别方法

人脸识别是指通过对人脸图像的视觉信息进行分析和处理进行身份验证的一种计算机技术．早期
的人脸识别技术都在可见光状态下进行，但在实际应用中，环境光照通常更复杂，光照的强弱、方向
与光源的数量等都会对可见光人脸识别产生影响．为了解决可见光各种因素对人脸识别的影响，人们
ｔｈｅＩｍｐｒｏｖｅｄＴｗｏ — －ＤｉｍｅｎｓｉｏｎａｌＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ
ＷＵＢｏ，ＬＩＵＸｉａｏ — ｈｕａ。ＺＨＯＵＣｈｕｎ — ｇｕａｎｇ（Ｃｏｌｌｅｇｅ０／（７ｏｅｐｒｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ１３００１２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅａｕｔｈｏｒｓｕｓｅｄｔｗｏ — ｄｉｍｅｎｓｉｏｎａｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍａｎｄｔｈｅｎｅａｒｉｎｆｒａｒｅｄｆａｃｅｍｅｔｈｏｄｔｏｓｏｌｖｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｌｉｇｈｔｏｎｔｈｅｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ｏｎｔｈｅｂａｓｉｓｏｆｗｈｉｃｈｔｈｅａｕｔｈｏｒｓａｄｖａｎｃｅｄｔｈｅｔＷＯ — ｗａｙｔｗｏ — ｄｉｍｅｎｓｉｏｎａｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍａｎｄｔｗｏ — ｗａｙｓｙｍｍｅｔｒｉｃｔＷＯ — ｄｉｍｅｎｓｉｏｎａｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍ，ａｎｄｇｏｔｔｈｅｈｉｇｈｅｒｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｏｆｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｓ．Ｋｅｙｗｏｒｄｓ：ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ；ｎｅａｒｉｎｆｒａｒｅｄ；ｔＷＯ — ｄｉｍｅｎｓｉｏｎａｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍ；ｔＷＯ — ｗａｙｔｗｏ — ｄｉｍｅｎｓｉｏｎａｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍ；ｔｗｏ — ｄｉｍｅｎｓｉｏｎａｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍｔＷＯ — ｗａｙｓｙｍｍｅｔｒｉｃａｌ

基于FLD和2DPCA相融合技术的人脸识别

矩阵奇异的问题。Ｆｓｅ线性判别分析（Ｌ，由Ｆｓｅ于１３ｉｒｈＦＤ）是ｉｒｈ９６年提出的用于两类问题特征提取的一种有效方法，
溉代表图像按每列相连展开得到的列向量，它们分别属于Ｃ类ＸＸ，，，， … 样本维数为ｄ。类的样本数目为，类置的样本均值向量以及所有样本的总均值向量分别为
８９
ＥｑｕｐｍｅＭａｆｅｒｎｃｎｏｏｙＮｏ４，ｉｎｔｎｕａｔｉｇＴｅｈｌｇ．２０１１
在新的空间中对应的样本为
ｙｌ＇ｙ … ９ｙ２，ＮＯ
法在图像特征提取之前，不必降维阎。构造图像协方差矩阵时，ＤＣ２ＰＡ算法直接利用图像矩阵。
∑ ∑ （＋）一＋）一（心一一 ∑ ∑ （－）一 ∑ ∑ ｌ（）ｚｉ＋）（）
类问距离的同时，却最小化类内距离。本文结合Ｆｓｅｉｒｈ线性鉴别分析法（Ｌ和二维主成分分析法（ＤＣＦＤ）２ＰＡ）
《装备制造技术）０１２１年第４期
基于ＦＤ和２ＰＡ相融合技术的人脸识别ＬＤＣ
隋广洲 ’弓满锋李治国，，
（．１湛江师范学院机电工程系，广东湛江５４４；．２０８２大连９５０队指控中心，１５部辽宁大连１６２）１０３
类间散射和最小类内散射。
于是总体散布矩阵为
Ｓ＝、（ｉｔ（）ｘ— ｘ）一ｈＪ

改进的二维主成分分析的人脸识别新算法

改进的二维主成分分析的人脸识别新算法陆振宇; 傅佑; 邱雨楠; 陆冰鉴【期刊名称】《《现代电子技术》》【年(卷),期】2019(042)006【总页数】6页(P55-59,64)【关键词】二维主成分分析; 人脸识别; 改进的感知哈希技术; 多角度旋转; 图像特征提取; 角度自矫正【作者】陆振宇; 傅佑; 邱雨楠; 陆冰鉴【作者单位】江苏省大气环境与装备技术协同创新中心江苏南京 210044; 南京信息工程大学电子与信息工程学院江苏南京 210044【正文语种】中文【中图分类】TN911.73-340 引言人脸识别技术由于采集的特征不易被他人伪造与窃取，同时属于非接触性的生物特征采集技术，具有隐蔽、方便和随意采集的优势，是当前身份验证的主要方法之一[1-2]。

目前，人脸识别方法较多。

主流的人脸识别技术可分为三类。

第一类，基于几何特征的方法；第二类，基于模版的方法，这一类包括了特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法和动态连接匹配方法等；第三类，基于模型的方法，其中包括隐马尔可夫模型，主动形状模型和主动外观模型的方法等[3-4]。

本文采用基于模版的方法：特征脸的方法，基于2DPCA（二维主成分分析）算法的改进。

2DPCA算法是基于PCA（主成分分析）方法的改进，其直接利用二维投影的方法，特征提取时基于二维矩阵而不是一维向量。

使用2DPCA计算出来的协方差矩阵与PCA计算出来的协方差矩阵相比，要相对直观与便捷，计算量也大大减少，耗时减少，提取特征更加高效[2]。

本文同时运用了改进的感知哈希算法（Perceptual hash）进行提取低频框架信息，去除高频细节信息。

感知哈希的思想来自于传统密码学哈希技术，通过提取多媒体中的一些稳定重要特征，转化成较短的感知摘要（Perceptual digest），然后通过对比摘要，进行识别以及认证等操作。

1 主成分分析主成分分析（PCA）方法是基于图像统计特性的变换，它可以直接对数字图像进行变换，其变换原理是通过构造一个特殊的特征向量矩阵，将高维向量投影到一个相对低维的向量空间中，将其中部分不影响识别的无关信息忽略，保留原图中的大部分信息[5]。

基于主成分分析的QR二维码人脸识别

基于主成分分析的QR二维码人脸识别摘要：社会的高速发展，使得人脸识别技术在身份信息认证方面迅速发展与成熟，本文提出一个新的思想，将先进的人脸识别技术与当今应用最广泛的二维码技术相结合，以达到快速认证身份信息的目的。

关键词：主成分分析；QR；二维码；人脸识别引言人脸识别技术广泛地应用在社会生活的方方面面，包括身份管理、系统安全认证、第三方支付、刑侦跟踪、智能家居、人机交互、视频会议等各种场景，因此人脸识别成为当前模式识别和人工智能领域的一个热门研究方向。

1QR码简介QR码（QuickResponseCode）的全称为“快速响应矩阵码”，是由日本Denso公司于1994年开发的一种矩阵式二维码，可用于存储汉字、图像、音频等多种数据类型的信息。

与其他二维码相比，QR码的优势在于能够被快速读取、可存储更多信息、占用空间小、纠错能力强。

使用外围设备来对QR码进行扫描，能够实现360度全方位高速识读。

QR码呈正方形，只有黑白两色，包括编码区域、空白区域和功能区域。

在左上角、左下角、右上角的3个角落中，印有同心正方形图案。

根据QR编码的掩模作用，在内部的其他地方几乎不可能遇到类似的图形，因此这3个是QR码的定位标志，在扫描时借助图形定位无论以任何角度扫描，数据都能被正确辨识。

QR码共有40个版本，尺寸从21×21模块（版本1）到177×177模块（版本40），QR编码用深色模块表示二进制“1”，浅色模块表示二进制“0”，采用RS（Reed-Solomon）纠错，分为4个纠错等级：L级（纠错7%）、M级（纠错15%）、Q级（纠错25%）、H级（纠错30%）。

纠错机制在即使因某种原因未能完整辨识到全部的条码的情况下，也能够正确地还原条码上的信息。

主成分分析（PrincipalComponentAnalysis，PCA）是一种把多个变量化为少数几个主成分的统计方法，目的在于数据降维。

PCA算法以K-L（Karhunen-Loeve）变换为基础，K-L变换介绍如下，它的实质是将一个物体主轴沿特征向量对齐旋转变换后形成一个新的坐标系，通过变换消除原有向量的各个分量之间的相关性，进而消除那些带有较少信息的坐标分量，以达到特征空间降维的目的。

基于二维判别典型相关分析的人脸识别算法

ｗｉａｅｉＣｎｎｃｌｏｒｌｉｎＡａｙｉＣＡ．ＴｅｍａｅａｔｅｃｎｅｔｆｗｒｅｎｏｏｂｎｄｗｔＣＡｈｃｉｂｓｄＯａｏｉｒａｏｎｓｈｓｌａＣｅｔｌｓ（Ｃ）ｈｉｉａｉｔｔｈｏｃｐｏｏｏｄｒｅｓｒｉｃｍｉｅｉＣｎｄｓｈｔｔｓｈ
ＨＵＡＮＧｉｋｎＰＩＹｉｒｉｇＬ・ｕ－－ｎ・ｕ
（ｈｎｖｒｔｏｌｔｎｃｎｅａｄＴｃｎｌｙｏｈｎＣｅｇｕ６０５）ＴｅＵｉｓｙｆｅｒｉＳｉｃｎｅｈｏｇｆｉａｈｎｄ１０４ｅｉＥｃｏｃｅｏＣ
关键词：典型相关分析；２阶张量；判别分析；特征提取；人脸识别
中图分类号：Ｔ９１７Ｎ１．３文献标识码：Ａ文章编号：１０ — ５０２１）７１５ — ５０３０３（０００ — ０５０
Ｔ — ｍｅｓｏａｓｒｉａｔＣａｏｉａｒｅａｉｎｗｏＤｉｎｉｎＩＤｉｃｉｎｎｎｎｃＩｍＣｏｒｌｔｏＡｎｌｓｓｆｒＦｃｃｇｉｏａｙｉｏａｅＲｅｏｎｔｎｉ
ｉｈｓｐｐｒａｌｉｓａｌｅｒｓｎｅｓａｖｃｏｎｔｅｃｎｅｔｎｌＣＡｍｅｈｄｗｉｈｃｎｕｓｌｔｆｍｅｒｎａｈｎｔｉａｅ．ＡｓｍｐｅｓｕｕｌｒｐｅｅｔｄａｅｔｒｉｏｖｎｏａＣｔｏｈｃｏｓｍｅｏｓｏｍｏｙａｄｈｓｔｅｙｈｉ

对称核主成分分析及其在人脸识别中的应用

ＳｙｍｍｅｔｒｉｃａｌＫｅｎｅｒｌＰｉｒｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ（ＳＫＰＣＡ）ａｌｇｏｒｉｔｈｍ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｆｕｌｌｙｕｔｉｌｉｚｅｓｔｈｅｆａｃｅｍｉｒｒｏｒｓｙｍｍｅｔｙ，ｒｔｈｅ
ｓｙｍｍｅｔｒｙ，ａｎｄｇｅｎｅｒａｌｌｙｌａｃｋｓｏｆｔｒａｉｎｉｎｇｓａｍｐｌｅｓｉｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ＳＯｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｉｓｌｏｗ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａ
第３９卷第３期
Ｖ０ｌ－３９
・
计
算
机
工
程
２０１３年３月
Ｍａｒｃｈ２０１３
Ｎｏ．３
ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ
人工智能及识别技术・
文章编号：１０００ — ＿３４２８（２０１３）０３ — ＿０１７４ —０４文献标识码：Ａ
提出一种对称ＫＰＣＡ算法。利用人脸的镜像对称性，通过对训练样本进行镜像变换，得到奇对称样本和偶对称样本，分别
提取各奇偶对称样本的特征分量，使用最近邻距离分类器完成分类。实验结果表明，该算法能扩大样本容量，当多项式阶数为２时，该算法的识别率高于ＫＰＣＡ算法，识别时间短于ＫＰＣＡ算法。关健词：人脸识别；支持向量机；特征提取；镜像对称性；主成分分析；核主成分分析

基于二维照片进行人脸识别的算法研究

第２９卷第３期　计算机仿真　２０１２年３月　文章编号：１００６—９３４８（２０１２）０３—０３３０—０４　

基于二维照片进行人脸识别的算法研究　

张旭　（沈阳理工大学，辽宁沈阳１１０１５９）　摘要：研究图像人脸识别的问题，针对直接对照照片进行人脸识别时，受二维照片信息量的限制，以及识别时受检测人员的　主观经验的影响，极易造成误识别，不能满足人脸识别准确率的要求。为了解决上述问题．提出了一种利用二维照片构建三　维样本进行人脸识别的方法，通过提取二维图像中人脸的层次化特征，并利用特征向量重构人脸的参数曲面，然后在三维曲　面中完成人脸的自动识别。实验表明，改进方法能够有效避免二维图像信息量的限制，以及检测人员主观经验的影响，准确　完成人脸的识别，具有一定的使用价值。　关键词：人脸识别；二维照片：参数曲面　中图分类号：ＴＰ３１７．４　文献标识码：Ｂ　

Ｒｅｃｏｇｎｉｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　２－ｄ　Ｆａｃｅ　Ｉｍａｇｅｓ　ＺＨＡＮＧ　Ｘｕ　（Ｓｈｅｎｙａｎｇ　Ｌｉｇｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ　Ｌａｉｏｎｉｎｇ　１　１０１５９，Ｃｈｉｎａ）　ＡＢＳＴＲＡＣＴ：Ｔｈｉｓ　ｐａｐｅｒ　ｐｕｔ　ｆｏｒｗａｒｄ　ａ　ｍｅｔｈｏｄ　ｏｆ　ｃｏｎｓｔｒｕｃｔｉｎｇ　３－ｄ　ｓａｍｐｌｅｓ　ｆｏｒ　ｆａｃｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｍｅｔｈｏｄ　ｕｓｉｎｇ　ｔｗｏ—ｄｉ—　ｍｅｎｓｉｏｎａｌ　ｐｉｃｔｕｒｅｓ．Ｔｈｒｏｕｇｈ　ｅｘｔｒａｃｔｉｎｇ　ｔｈｅ　ｈｉｅｒａｒｃｈｉｃａｌ　ｓｔｒｕｃｔｕｒｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　２－ｄ　ｆａｃｅ　ｉｍａｇｅ　ａｎｄ　ｕｓｉｎｇ　ｔｈｅ　ｐａ—　ｒａｍｅｔｅｒｓ　ｖｅｃｔｏｒ，ｔｈｅ　３－ｄ　ｐａｒａｍｅｔｅｒｓ　ｃｕｒｖｅｄ　ｓｕｒｆａｃｅ　ｗａｓ　ｂｕｉｌｔ　ｕｐ　ａｎｄ　ｔｈｅ　ｔｈｅ　ｆａｃｅ　ａｕｔｏｍａｔｉｃ　ｒｅｃｏｇｎｉｔｉｏｎ　ｗａｓ　ｃａｒｒｉｅｄ　ｏｕｔ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｉｍｐｒｏｖｅｄ　ｍｅｔｈｏｄ　ｃａｎ　ｅｆｆｅｃｔｉｖｅｌｙ　ａｖｏｉｄ　ｔｈｅ　ｌｉｍｉｔｓ　ｉｎ　２－ｄ　ｉｍａｇｅ　ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　ａｃ—　ｃｕｒａｔｅｌｙ　ｃｏｍｐｌｅｔｅ　ｆａｃｅ　ｒｅｃｏｇｎｉｔｉｏｎ．　ＫＥＹＷＯＲＤＳ：Ｆａｃｅ　ｒｅｃｏｇｎｉｔｉｏｎ；２－ｄ　ｐｈｏｔｏｓ；Ｐａｒａｍｅｔｒｉｃ　ｓｕｒｆａｃｅ　

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＰＡ（ＤＰＡ）ｗｓｕｅｃｅｏｎｔｎｈｅｔｅｔｒｓｓｉｂｅｆａｇｒａｉｅｅｅｔｃｅａｅＣ２ＳＣ，ａｓｄｉｆｅｒｇｉｏ．Ｔｅｂｔｒｆｕｅｕｔｌｏｃｔｏｚｔｎｗｒｘａｔｂｓｄｎａｃｉｅａａｒｅｉｏｒｄ
ｏｓｆｒｆａｕｅｅｔａｔｏｎｄｄｍｅｓｏａｅｃｉｎＡｎｉｒｖｄＰｄｏｅｔｒｘｒｃｉｎａｉｎｉｎｌｒｄｕｔｏ．ｍｐｏｅＣＡｌｏｔａｇｒｈｍｔｗｏｄｍｅｓｏｙｉｗｉｔｉｎｉｎｓｍｍｅｒｃｌｈｔｉａ
Ｊｎ０８ｕ．２０
基于二维对称主成分分析的人脸识别术
赵丽红，张西礼，心和徐
（东北大学信息科学与工程学院沈阳１００）１０４
摘要：由于人脸姿态、光照和表情等各方面的显著差别，使人脸识别成为非常具有挑战性的模式识别问题。主成分分析是模式
ｏｎ２ＤＳＣＡｏａｅｔｌｓｉａＰｃｍｐｒｄｗｉｈｃａｓｃｌＰＣＡ．Ｅｘｅｍｅｔｒｓｌｓａｓｅｎｔａｅｔａｐｒｉｎｅｕｔｌｏｄｍｏｓｒｔｈｔ２ＤＳＰＣＡｓｎｏｎｙｇｏｔｄ－ｉｔｏｌｏｄａｉｍｅｓｏｌｒｄｃｉｎ，ｂｌｏａｈｅｅｅｔｒｐｒｏｍａｃｈｎｃａｓｃｌＰＣＡｎＰｎｉｎａｅｕｔｏｕｔａｓｃｉｖｓｂｔｅｅｆｒｎｅｔａｌｓｉａａｄＳＣＡ，ｉｓｒｃｇｔｏａｅｆｒＯＲＬｔｅｏｎｉｎｒｔｉｏｄｔｂｓｓｈｇｒｔａ４％．ａａａｅｉｉｈｅｈｎ９
维普资讯
第２９卷
第６期
仪器仪表学报
ＣｉｅｅＪｕｎｌｏｃｅｔｉｎｔｕｎｈｎｓｏｒａｆＳｉｎｉｃＩｓｒｍｅｔｆ
Ｖｏ＿．ｌ２９Ｎｏ６
２００８年６月
Ｋｅｒ：ｆａｕｅｅｔａｔｎ；２ＰＣＡ；ｙｗｏｄｓｅｔｒｘｒｃｉｏＤＳＰＣＡ；ｆｃｅｏｎｔｏａｅｒｃｇｉｎｉ
ｙｉ，ＤＰＡｓ２ＳＣ）采用在２ＰＡ的基础上，ｓＤＣ对原始图像和镜
１引
言
识别技术中经典的特征抽取和降维技术之一。本文把其改进算法二维对称主成分分析应用到人脸识别中。二维对称主成分分析与传统主成分分析和对称主成分分析相比，可以得到更好的适合分类的特征。实验结果表明，二维对称主成分分析不仅实现了降维，而且能取得比传统主成分分析和对称主成分分析更好的识别性能，ＯＬ标准人脸数据库的正确识别率达到９％以上。对Ｒ４
关键词：特征抽取；二维对称主成分分析；主成分分析；人脸识别
中图分类号：Ｉ唧２文献标识码：Ａ国家标准学科分类代码：２．０５０６４
Ｆａｅｒｃｇｉｉｎｂａｅｏｃｅｏｎｔｏｓｄｎ２ＤｙｍｅｒｃｌＰＣＡｓｍｔｉａ
像图像分别提取主成分，很好地解决了上述问题。
本文脸模式的镜
主成分分析ｐｎｉｌｏｐｎｎａａｓ，Ｃ）刮（ｒｃａｃｍｏｅｔｎｌｉＰＡ是ｉｐｙｓ
像对称性，结合Ｋ（ａｕｅｏｖ）开与奇偶分解ＬＫｒｎｎＬ￣ｅ展ｈ原理，提出了二维对称主成分分析算法。通过引入镜像样本，将人脸图像进行奇偶分解，并分别对奇偶图像应用ＫＬ展开，提取奇偶对称ＫＬ特征；根据各特征分量在人脸中所占能量比例的不同以及对视角、旋转、光照等干扰
ＺｈｏＬｈｏｇ，ＺｈｎｇＸｉ，ＸｕＸｉｈａｉｎａｌｉｎｅ
（ｎｒｔｎＳｉｃＩｏｍａｉｃｎｅ＆ＥｇｎｅｎｏｌｅｆＮｒｅｓｒｎｅｓｙＳｅｙｎ１０４，ｈｎ）ｆｏｅｎｉｅｒｇＣｌｇｏｔａｔｎＵｉｒｔ，ｈｎａｇ１００Ｃｉｉｅｏｈｅｖｉａ
Ａｂｓｒｃｔａｔ：Ｂｅａｓｆｏｖｏｓｖｒａｉｎｎｆｃｏｅ，ｌｇｔｎｃｕｅｏｂｉｕａｉｔｓｉａｅｐｓｏｉｈｉｇ，ａｄｅｐｅｓｏｎｘｒｓｉｎ，ｆｃｅｏｎｉｏｅｏｓａｖｒａｅｒｃｇｔｎｂｃｍｅｅｙｉ
ｃａｅｇｇｒｓａｃｐｃｉａｅｎｒｃｇｉｏ．ｒｃａＣｍｏｅｔｎｌｉＰＡ）ｉｏｅｏｅｃｓｉｌｅｈｈｌｎｉｅｒｈｔｉｎｐｔｒｏｎｉｎＰｉｉｌｏｐｎｎａｓｌｎｅｏｔｅｔｎｐＡｙｓ（Ｃｓｎｆｈｌｓａｍｔ－ｔａｃ
的不同敏感程度，行特征选择，强特征的稳定性，进增并