基于PCA人脸检测识别算法研究

摘 要 人脸检测是生物特征识别中应用非常广泛的技术。在视频监控、身份识别、档案管理等领域具有巨大的应用前景，是当前计算机视觉和模式识别领域的一大研究热点。人脸识别具有很高的安全性、可靠性和有效性，因此越来越受到人们的重视。 本文首先介绍了人脸检测技术的发展历史和特点，然后介绍了主成分分析（PCA）的原理及几种有效的分类器。在MATLAB平台中实现了一个人脸检测系统，可以对人脸数据进行识别。系统利用PCA将人脸数据降维，然后用分类工具做识别，实验结果表明效果良好。 关键词：人脸识别；主成分分析；分类器；Matlab 引言 在现代社会中，身份识别已经成为人们日常生活中经常会遇到的一个问题。人们几乎时时刻刻都需要鉴别他人的身份，以防止特定资源的使用权或职权被他人随意取得，也需要证明自己的身份，以合法获得对资源的占有权。传统的身份识别方法主要基于身份标志物和身份标识知识，随着现代科技的突飞猛进，盗取标志物和标识知识越来越容易，这就使得传统的安全技术暴露出了巨大的缺陷。近年来，人类的生物特征越来越多地用于身份识别。所谓生物特征识别就是利用人的生理或行为特征对人的身份加以识别和认证。相对于传统的安全技术，生物特征识别不会发生遗忘、窃取等现象，更为安全可靠。生物特征识别可以分为生理特征和行为特征两大类，人脸、指纹、虹膜均属于生理特征，而笔迹、步态和语音则属于行为特征。其中人脸识别是最主要的生物特征认证技术之一，市场份额仅次于指纹识别。 ??? 人脸识别是模式识别和图像处理领域富有挑战性的课题，具有非常广泛的应用价值。人脸识别系统现在在大多数领域中起到举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统。人脸识别覆盖了数字图像处理、机器视觉、神经网络、心理学、模式识别等诸多学科。因其巨大的商业应用前景，人脸识别逐渐成为了一个非常活跃的研究领域。近几十年来人脸识别技术得到了长足的发展，并在实际应用中逐步推开。在今后的几十年中，这项技术将被应用到更多的领域，如视频监控、公安刑侦、智能卡、证件验证、视频会议等。 1.2 ?国内外研究现状 人脸识别有很长的历史，最早可以追溯到19世纪法国人Galton的工作。国外在人脸识别领域起步较早。1993年，美国国防部高级研究项目署(Advanced Research Projects Agency)和美国陆军研究实验室(Army Research Laboratory)成立了Feret(FacE Recognition Technology) 项目组，建立了feret 人脸数据库，用于评价人脸识别算法的性能。我国关于人脸识别的研究始于计算机视觉兴起的80年代，起步较晚但取得了良好的成绩。国家863项目“面像检测与识别核心技术”通过成果鉴定并初步应用，就标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。 北京科瑞奇技术开发股份有限公司在2002年开发了一种人脸鉴别系统，对人脸图像进行处理，消除了照相机的影响，再对图像进行特征提取和识别。这对于人脸鉴别特别有价值，因为人脸鉴别通常使用正面照，要鉴别的人脸图像是不同时期拍摄的，使用的照相机不一样。系统可以接受时间间隔较长的照片，并能达到较高的识别率，在计算机中库藏2300人的正面照片，每人一张照片，使用相距1--7年、差别比较大的照片去查询，首选率可以达到50%，前20张输出照片中包含有与输入照片为同一人的照片的概率可达70% 。?2005年1月18日，由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家"十五"攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定。鉴定委员会认为，该项技术处于国内领先水平和国际先进水平。 1.3? 本文主要研究内容 本文对人脸识别的基本知识和研究历程做了基本介绍。然后介绍主成分分析（PCA）和分类器的基本理论，并讨论了如果在人脸识别领域应用主成分分析法进行降维，以实现识别的过程。各章的主要内容如下： 第一章? 绪论。介绍了论文的研究背景、意义以及国内外研究现状，并说明了本文的主要研究内容和结构安排。 第二章 主成分分析与分类器。介绍了主成分分析的原理，以及如何运用在人脸识别上。介绍了最小距离分类器、最近邻分类器和K近邻分类器。 第三章 人脸检测系统的实现。在MATLAB上实现了人脸识别系统，并有效地进行识别。 第四章? 总结与展望。对本文的工作进行了总结并提出了未来工作研究的方向。