【正文】 = 11。 本文在人臉識別算法的設(shè)計和測試過程中，都是基于公開的各大人臉數(shù)據(jù)庫中的靜態(tài)圖像。 該算法集合了 PCA 方法和 FLDA 方法的優(yōu)點(diǎn)，是一個可靠且有效的人臉識別算法。 （ 5）將全部圖像向最優(yōu)投影矩陣 optV 上投影，得到識別特征，然后利用最近鄰準(zhǔn)則判別分析完成人臉識別過程。首先計算所有訓(xùn)練樣本的均值 m： ???Nj jxNm 11 () 再利用得到的隸屬度重新計算每個人人臉向量的均值 im~ ，即每一類的中心： ciuxum NjijNjjiji ,2,1,~11 ??????? () 接下來計算模糊類間散度矩陣 BS 和模糊類內(nèi)散度矩陣 WS ： ? ?? ??? ???ciTiiIB mmmmnS1~~ () ? ?? ? ?? ??? ? ????ci Wci XxTikikWiik SmxmxS 11~~ () 則根據(jù) Fisher 準(zhǔn)則可以得到最優(yōu)投影矩陣： ? ? ? ?? ?VSVVSVt r a c eVSVVSVvvvVBTWTVWTBTVpopt121 m a xa r gm a xa r g,???? ? () 其中， iv 是與矩陣 BS 和 WS 的廣義特征值 i? 相對應(yīng)的廣義特征向量。換言之，就是尋找一個投影空間，使得訓(xùn)練圖像投影到該空間后類間散度和類內(nèi)散度比值最大。例如， Yale 數(shù)據(jù)庫中的圖像大小為 195 231? ，就可以用一個 45045 維的列向量 ? 來表示。則相應(yīng)的點(diǎn)和類間最小歐氏距離定義如下： ? ????????? ?? ??kiciic rxd 02m in () 式 ()中， cir 表示參考類的第 c 個特征矢量的第 i 個元素，cmin表示熟人特征矢量和參考類全部 c 個參考特征矢量間歐氏距離的最小值?？捎脴颖揪挡顏矶攘客队爸g的可分性，設(shè) im 是每類的 iN 個 d 維樣本的均值： ?,2,11 ?? ?? ixNm iwxii () 投影之后各類樣本均值： ?,2,111 ??? ?? imwxwNm iTnj jTiii () 可以得到投影后的均值差： ? ?2121 mmwmm T ??? () 只要對 w 給予適當(dāng)?shù)闹稻涂梢允共钪底兊萌我獯?。這樣 jPC 的協(xié)方差 ? ?? ?T T T Tj j j j j jP C P C v X X v v S v?，使用 Lagrange 方法求解等式1Tjjvv? 下 TjjvSv 的極大值，即 ? ??????????11m a xjTjjTjjjTjvvtosu b je ctvvSvvL ? () 其中 j? 是 Lagrange 乘子，使用一般求解方法，可求出最優(yōu)解 ? ? 0jjS I v???,顯然，最優(yōu)解 jv 就是原始數(shù)據(jù)協(xié)方差矩陣的特征向量， j? 是與 jv 相對應(yīng)的特征值。是一 種提取有效信息的方法。所有的圖像都在不同的光照和表情下正面拍攝的，主要包括：正面光照 ，左側(cè)光照，右側(cè)光照，戴眼鏡，不戴眼鏡，高興，面無表情，悲傷，困倦，吃驚，和眨眼等變化。由于人臉識別算法的測試都是在公開的基準(zhǔn)數(shù)據(jù)庫上進(jìn)行，所以在前面首先介紹了有關(guān)人臉庫的基礎(chǔ)知識，并介紹了幾個目前學(xué)術(shù)界較流行的測試用人臉 基準(zhǔn)數(shù)據(jù)庫。歸納起來，人臉識別技術(shù)的應(yīng)用主要分為以下幾類： 人臉驗(yàn)證：人臉驗(yàn)證是一種身份驗(yàn)證手段，指利用人臉識別技術(shù)來驗(yàn)證某個人是否確實(shí)是他（她）所聲稱的那 個人。 第二階段為人機(jī)交互階段。（ 2）非接觸式操作，對識別對象沒有侵犯性，可被大多數(shù)人接受，理論上來說是最友好的生物特征識別技術(shù)。而生物特征識別技術(shù)的出現(xiàn)很好的解決了這一問題，近年來已經(jīng)逐步成為重要場所必備的安檢手段。人臉識別技術(shù)是模式識別領(lǐng)域中的一個前沿課題。 身份識別與驗(yàn)證是人類日?；顒又械幕净顒又弧? 在科技、人文高速發(fā)展的現(xiàn)今社會中，基于傳統(tǒng)的物理性的身份標(biāo)識方法如：證件、鑰匙、用戶名、密碼等，由于其易丟失、易遺忘、易造假、易冒充等問題，已經(jīng)遠(yuǎn)不能滿足人類的需求，現(xiàn)今的人類迫切需要一種快捷、有效并且安全的身份識別、標(biāo)識方法。 Allen 為待識別人臉提供了一種逼真的摹寫方法。 國內(nèi)對人臉自動識別技術(shù)的研究起始于上世紀(jì) 80 年代，相對起步較晚，但清華大學(xué)、北京大學(xué)、復(fù)旦大學(xué)、哈爾濱工業(yè)大學(xué)、北京科技大學(xué)、中 科院自動化所、中科院計算所等研究單位的研究已經(jīng)取得了可喜成果，以清華大學(xué)智能圖文信息處理研究室研制的 THID 人臉識別系統(tǒng)為代表，該系統(tǒng)的測試結(jié)果位于國際領(lǐng)先水平。 本文主要內(nèi)容如下： 第一章，緒論。所以人臉數(shù)據(jù)庫的選擇至關(guān)重要。它指的是使用計算機(jī)提取圖像信息，決定每個圖像的點(diǎn)是否屬于一個圖像特征。 設(shè)矩陣 pxnX 表示一個由 P 個記錄組成的數(shù)據(jù)集合，每個記錄有 n個屬性，即矩陣的元素 ijx 表示第 i 條記錄在第 j 個屬性上的取值，則 X 的協(xié)方差矩陣為 TS XX? 。現(xiàn)在的問題是如何找到這條最優(yōu)的、最易于分類的投影線。 本文的工作重心是圖像的特征提取算法，因此分類方法選用了 最基礎(chǔ)最常用的距離分類法。這是因?yàn)橥ㄟ^ PCA 方法對原始人 臉數(shù)據(jù)提取出來的特征向量投影到新的低維子空間后仍然是人臉的形狀，因此它被稱為“特征臉”，它保留了人臉圖像的基本信息而去除了無用信息，簡化了計算。如果 i? 特別小，說明新圖像 ? 和訓(xùn)練集中圖像 i? 最相似，即可認(rèn)為圖像 ? 和 i? 是同屬于一個人的圖像。 根據(jù)模糊集約束，隸屬度 iju 要滿足如下兩個條件： ???? ???Nj ijci ij Nuu 11 0,1 () K 近鄰方法計算隸屬度過程如下：首先計算訓(xùn)練集中任意兩個樣本間距離，然后記錄每個樣本附近與該樣本最鄰近的 k 個樣本的類別信息，最后可根據(jù)式 ()計算第 j 個樣本屬于第 i類的隸屬度： 沈陽航空 航天大學(xué) 畢業(yè)設(shè)計（論文） 19 ? ?? ?????? ?? ????ijijijijij Xxkn Xxknu ,/ ,/ () 其中， ijn 是第 j 個樣本 k 個最鄰近點(diǎn)中屬于第 i 類的樣本個數(shù)。 Yale 人臉庫主要特點(diǎn)是光照的變化明顯。隨機(jī)抽取測試集待測人臉圖像如下圖所示： 圖 測試集第 21 張人臉圖像 程序運(yùn)行結(jié)果顯示訓(xùn)練集中與圖 最相似人臉圖像如下圖： 圖 訓(xùn)練集中與圖 最相似人臉圖像 （ 6）相同條件下重復(fù)實(shí)驗(yàn) 50 次，求出 PCA+FLDA 算法下的平均識別率和方差，繪制識別率曲線圖。但是 FLDA 存在一個問題，高識別率帶來的運(yùn)算時間過長、計算復(fù)雜度太大。39。 %============================== % Training Database information %============================== = 0。而視頻監(jiān)控等動態(tài)環(huán)境下的人 臉識別中這些不確定因素將更加難以預(yù)測。借助于這些優(yōu)勢，人臉識別具有廣泛的應(yīng)用前景和巨大的理論研究價值，引起了各個科研機(jī)構(gòu)的廣泛關(guān)注。 ORL 人臉庫 ORL 人臉庫又被稱為 ATamp。 具體步驟如下： 1) 應(yīng)用主成分分析（ PCA）方法對人臉空間進(jìn)行特征提?。ㄍ瑫r降維）后投影到特征臉空間。識別階段，將測試集中的圖像 x 按式 ()投影到特征空間： ? ?Toptp W x m?? () 按照式 ()計算新圖像 ? 和訓(xùn)練集中圖像的距離： 2iipy? ?? () 其中 1,2, ,iN? 。為了解決這個問題，下面給出一種更加有效的計算方法。這些算法涉及 到的學(xué)科領(lǐng)域 非常廣泛，包括模式識別、圖像處理、計算機(jī)視覺、人工智能、統(tǒng)計學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、小波分析、子空間理論和流形學(xué)習(xí)等眾多學(xué)科。而 Fisher 線性判別函數(shù)被定義為這樣的一個函數(shù) Twx，它能使判決函數(shù)： ? ?2221221SS mmwJ ??? () 達(dá)到最大。在 Fisher 思想的基礎(chǔ)上， Wilks 和Duda 分別提出了鑒別矢量集概念，即尋找一組鑒別矢量構(gòu) 造 子空間，以原始樣本在該子空間的投影矢量 作為鑒別特征 來 用于識別。幾乎全部的識別算法都需要先將圖像降維處理，提取出對識別有用的高特征值信息投影到低維子空間中，但一定要保證低維子空間包含了圖像中絕大部分的基本 特征信息，且易于分類。 ORL 人臉庫 ORL 人臉庫又被稱為 ATamp。本章介紹了基于主成分分析（ PCA）的特征臉?biāo)惴?、基于線性判別分析（ LDA）的 Fisher 臉?biāo)惴ê突谀：€性判別分析（ FLDA）的算法。大多應(yīng)用在公共安全領(lǐng)域：如公安系統(tǒng)中對嫌疑犯、被害人等的身份進(jìn)行鑒定；銀行、公司等公共場合發(fā)生非法分子闖入或異常狀況時先通過視頻監(jiān)控采集人臉圖像，再利用人臉識別技術(shù)與數(shù)據(jù)庫進(jìn)行對比，確定闖入者身份。 （ ）設(shè)計了一個有一定知識導(dǎo)引的半自動回溯識別系統(tǒng)，利用積分投影法從單張圖像上提取計算出一組人臉特征參數(shù)，然后利用模式分類技術(shù)與標(biāo)準(zhǔn)人臉圖像相匹配，相較于之前的識別系統(tǒng)， Kanad 的系統(tǒng)實(shí)現(xiàn)了快速、實(shí)時地處理，這是一個很大的進(jìn)步。（ 5）通過對人臉的表情，姿態(tài)，口型等分析，能獲得較其他識別技術(shù)更多更難以獲得的信息。人臉識別系統(tǒng)通過視頻或靜態(tài)圖像來自動捕獲和識別人臉，在生物特征認(rèn)證 、監(jiān)控、安檢、人機(jī)交互和多媒體監(jiān)督等領(lǐng)域有著廣泛的應(yīng)用前景。 該方法利用主成分分析（ PCA）方法求得訓(xùn)練樣本的特征空間，然后在此基礎(chǔ)上計算 FLDA 算法的特征子空間，進(jìn)一步對特征臉空間降維。 Fuzzy Linear Discriminate Analysis。所謂的生物特征識別技術(shù)是指通過對人類固有的特征進(jìn)行自動的身份鑒別甄選技術(shù)。最早在 1888 年， Calton 在《 Nature》上發(fā)表了一篇關(guān)于利用人臉進(jìn)行身份鑒別的文章，對人類自身對面孔的識別能力進(jìn)行了分析。 現(xiàn)今，隨著社會需求的提高，人臉識別引起了各個科研機(jī)構(gòu)的重點(diǎn)關(guān)注，并將研究成果轉(zhuǎn)化為實(shí)用產(chǎn)品。 本文的主要內(nèi)容與安排 人臉識別技術(shù)的算法多種多樣，足夠高的識別率是最重要的指標(biāo)。任何一個人臉識別系統(tǒng)的設(shè)計成形都需要經(jīng)過測試、仿真或?qū)嶒?yàn)過程，在這個測試的過程中就需要用到包含一定數(shù)量人臉圖像的數(shù)據(jù)庫來生成人臉識別系統(tǒng)的訓(xùn)練集和測試集。 圖 ORL 人臉庫中的圖像變 化 圖 是 ORL 人臉庫中一個志愿者的全部十張圖像。最經(jīng)典的做法是用 F1（選取的第一個 線性組合 ，即第一個綜合指標(biāo)）的 方差 來表達(dá)，即 Var(F1)越大，表示 F1 包含的信息越多。 為了把兩個類分開，我們可以嘗試把 d 維空間的樣本直接投影到一條直線上，形成一維空間，即把維數(shù)壓縮到一維。將待測圖像的特征提取出來之后，接下來就需要利用已經(jīng)提取出來的特征向量來計算辨析圖像間的相似程度，確定圖像中人臉的身份歸屬。該方法通過 KL 變換展開式來提取樣本的主要特征。,2,1, ?? () 一幅圖像投影完，可形成一個向量 12,T n n nnMe e e??????，其中 1,2,nM? ，這個向量就是原始圖像在特征空間中的表示，每個分量都代表對應(yīng)的特征臉在表征這幅圖像中的重要度。記訓(xùn)練集 ? ? ? ?cN XXXxxxX , 2121 ?? ?? ，共包含 c個人的 N 幅臉部圖像。而 matlab 眾所周知擁有強(qiáng)大的矩陣計算能力，所以本設(shè)計實(shí)驗(yàn)平臺選用了 matlab，人臉數(shù)據(jù)庫則選用 Yale 和 ORL 兩個常用人臉庫。剩下的每人 4 張，共計 160 張圖像為測試樣本。具體來說本文所完成的工作主要有： 介紹與人臉識別相關(guān)的一些基礎(chǔ)知識，包括人臉識別技術(shù)的課題背景、發(fā)展歷史、現(xiàn)階段研究成果、常用人臉數(shù)據(jù)庫基礎(chǔ)知識、人臉識別系統(tǒng)基本結(jié)構(gòu)、特征提取算法、分類方法及相關(guān)算法原理和思想基礎(chǔ)等。 沈陽航空 航天大學(xué) 畢業(yè)設(shè)計（論文） 33 附錄 Ⅰ 源 程序清單 在 Yale人臉庫中： clear all。 = 40。 參考文獻(xiàn) [1] 薛明亮 . 人臉識別的加權(quán)模糊方法 [D]. 大連 : 大連理工大學(xué)控制理論與控制工程 , 20xx [2] 周德龍，高文，趙德斌 . 基于 LDA 和 PCA 的人臉識別技術(shù)的研究 [J]. 西安工業(yè)大學(xué)計算機(jī)科學(xué)與工程學(xué)院學(xué)報 , 20xx [3] 李剛，高政 . 人臉識 別理論研究進(jìn)展 [J]. 計算機(jī)與現(xiàn)代化 , 20xx, (5): 16 [4] 張翠平，蘇光大 . 人臉