劉向東

摘要：人臉識(shí)別技術(shù)先進(jìn)，應(yīng)用廣泛。借助PCA算法，利用MATLAB GUI可以簡(jiǎn)單操作，通過對(duì)待識(shí)別圖像的預(yù)處理即可提高識(shí)別率。本文首先對(duì)相關(guān)概念進(jìn)行了闡述，對(duì)工作原理進(jìn)行了介紹，具體對(duì)基于PCA算法人臉識(shí)別的MATLAB 實(shí)現(xiàn)進(jìn)行了解析。

關(guān)鍵詞：PCA算法；人臉識(shí)別；MATLAB GUI

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）12-0193-02

人臉識(shí)別技術(shù)應(yīng)用前景廣泛，如安全驗(yàn)證系統(tǒng)、公安罪犯識(shí)別、信用卡驗(yàn)證等方面。目的是通過技術(shù)和手段監(jiān)督、管理和識(shí)別人的身份。

1 PCA算法

PCA是principal Component Analysis的簡(jiǎn)稱，是一項(xiàng)計(jì)算機(jī)視覺技術(shù)，目的為了降低維數(shù)與提取特征，是目前應(yīng)用于人臉識(shí)別的有效方法之一。PCA算法采用K-L變換得到特征臉向量，以此降低人臉空間維數(shù)；利用特征臉向量進(jìn)行人臉的識(shí)別和重建，得到區(qū)別于其他人臉的特征，然后根據(jù)待識(shí)別人臉特征與庫中人臉特征進(jìn)行比較并原到人臉空間中。對(duì)PCA算法原理及主成分分析法，本文不再累贅。

2 基于PCA算法人臉識(shí)別的MATLAB實(shí)現(xiàn)

2.1 讀取人臉庫

2.3 實(shí)現(xiàn)結(jié)果展示

實(shí)驗(yàn)選擇包含40個(gè)不同人物，每人有10張圖片，共400幅的ORL人臉庫進(jìn)行測(cè)試，識(shí)別率為100%。預(yù)處理對(duì)識(shí)別的效果起著至關(guān)重要的作用，即訓(xùn)練樣本多了，才會(huì)對(duì)結(jié)果產(chǎn)生影響，且PCA只是起到了簡(jiǎn)單的特征臉降維的作用，盡量消除光照、姿勢(shì)、表情和遮掩的影響，效果才會(huì)很好。（見圖1-4的測(cè)試截圖）

3 總結(jié)

人臉識(shí)別是個(gè)前沿課題，即跨學(xué)科，又富有挑戰(zhàn)性。但目前還處在研究階段的人臉識(shí)別在實(shí)用化方面還任重道遠(yuǎn)。本文采用了較常用的歐式距離進(jìn)行人臉識(shí)別，但是發(fā)現(xiàn)難度依然較大，因?yàn)楹茈y找到一種算法能適應(yīng)光線、表情、姿態(tài)變化以及附加物的影響。但是科技依然在進(jìn)步，相信不久的未來， 進(jìn)行人臉識(shí)別的最優(yōu)算法一定會(huì)出現(xiàn)。

參考文獻(xiàn)：

[1] 陳燕.特征提取在人臉自動(dòng)識(shí)別技術(shù)中的研究[J].信息技術(shù)，2011（09）.

[2] 楊國(guó)亮，李歡.改進(jìn)的基于特征臉和歐氏距離的人臉識(shí)別方法[J].軟件導(dǎo)刊，2010（03）.

[3] 劉嵩.基于特征融合的人臉識(shí)別[J].湖北民族學(xué)院學(xué)報(bào)（自然科學(xué)版），2011（02）.

[4] 焦斌亮，陳爽.基于PCA算法的人臉識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用， 2011（18）.