文獻標識碼： A
文章編號： 0258-7998(2013)12-0132-03
人臉識別是一種重要的生物特征識別技術，在公共安全、信息安全、金融等領域具有廣闊的應用前景[1]。近年來隨著檢測技術、信號處理技術和模式識別技術的長足發展，國內外學者對人臉識別技術進行了更加深入的研究[2]。國外學者DABBAGHCHIANA S采用離散余弦變換DCT(Discrete Cosine Transform)對ORL人臉庫的圖像進行特征提取，用鑒別能力分析DPA(Discrimination Power Analysis)對其進行識別[3]；國內李勇周等人采用核嶺回歸的鄰域保持最大間隔分析法,在標準人臉庫中進行實驗，取得很好的識別性能[4]；甘俊英采用非線性Radon變換對ORL人臉庫中圖像進行特征提取與識別,識別率為90.5%[5]。在眾多已有的人臉識別方法中,主成分分析PCA(Principal Component Analysis)和線性判別分析LDA(Linear Discriminant Analysis)具有運算少、描述能力強和可分性好等特點[6]。PCA是一種線性數據降維算法， 但不能取出數據中非線性的結構。針對人臉識別過程中數據非線性的特點,采用核主元分析法KPCA(Kernel Principal Component Analysis)能夠很好地保留數據的非線性結構，從而更好地保留原數據信息量[7-8]。線性判別分析法(LDA)是用于判斷樣本所屬類型的一種統計分析方法，廣泛應用于不同領域。在人臉識別中，LDA分類器的準確率優于前面提到的那些復雜的判別方法，同時還具有易于實現和訓練更迅速等優點[9-10]。實驗證明采用LDA分類器對ORL人臉數據庫進行模式識別正確率高，達到91.7%以上，且魯棒性好。
1 核主元分析法在人臉識別中的應用
采用核主元分析(KPCA)來解決有監督情況下的非線性數據的降維問題。KPCA的核心思想是采用非線性變換將輸入數據空間映射到高維空間，使非線性問題轉換為
當多項式核指數參數為0.7時，識別率最高達到91.7%。表1所示為K近鄰、PCA+LDA和KPCA+改進LDA 三種識別方法對ORL人臉庫進行實驗的實驗結果。
從表1可得,使用KPCA+改進LDA方法的人臉識別率達91.7%，特征維數為14維。與K近鄰法和PCA+LDA法相比KPCA+改進LDA方法不僅識別率更高，且更能有效地提取ORL人臉庫中圖像數據特征。
針對人臉識別過程中樣本數據的非線性、高維數和小樣本等特點，提出了一種KPCA和改進LDA相結合的人臉識別新方法。由實驗可得，應用KPCA不僅能夠很好地對ORL人臉數據庫中的數據進行降維，降低數據間的冗余度，而且能夠抽取數據中的非線性結構，有效地保留非線性數據。應用LDA改進算法對降維后的數據進行分類識別，識別率達91.7%，與K近鄰和PCA相比，該算法識別率較高，而且算法簡單，運算量小，魯棒性好。
參考文獻
[1] RAHMAN S, NAIM S M, FAROOQ A, el al． Curvelet texture based face recognition using principal component analysis[C]．Proceedings of 13th International Conference on Computer and Information Technology (ICCIT 2011),Dhaka,Bangladesh, 2010．
[2] MANDAL T, JONATHAN Q M, Wu Yuanyuan． Curvelet based face recognition via dimension reduction[J]． Signal Processing(S0165-1684), 2009,89(12):2345-2353．
[3] DABBAGHCHIANA S, GHAEMMAGHAMI M P, GHAGO-LZADEH A． Feature extraction using discrete cosine transform and discrimination power analysis with a face recognition technology[J]．Pattern Recognition,2010(2):1431－1440．
[4] 李勇周,羅大庸,劉少強.核嶺回歸的鄰域保持最大間隔分析的人臉識別[J].模式識別與人工智能,2010,23(1):23-28.
[5] 鄒修國, 李林, 陸靜霞. 基于DSP的人臉Hu矩識別研究[J]. 電子技術應用,2012,38(11):150-152.
[6] 張寶峰,趙靜,朱均超.一種基于膚色的快速人臉檢測算法[J].微型機與應用,2013,32(12):38-41.
[7] 伊力哈木·亞爾買買提.基于改進型PCA和LDA融合算法的人臉圖像識別[J].計算機仿真,2013,30(1):415-418.
[8] 劉昶,周激流,郎方年,等.基于加權判別局部多線性嵌入的人臉識別[J]. 儀器儀表學報, 2011,32(10):2248-2255.
[9] 鄒建法,王國胤,龔 勛.基于增強Gabor特征和直接分步線性判別分析的人臉識別術[J].模式識別與人工智能,2010,23(04):477-482.
[10] 田玉敏, 云艷娥, 馬天駿. 判別近鄰保持嵌入人臉識別[J].西安電子科技大學學報,2011,38(3):24-28.