人脸识别特征提取算法研究

，
模 糊 数学 的原 理 和方 法进 行分类 识 别 ２２ 特 征 提 取 和识 别 算 法 ．
人脸 图像 ３ 试 验 结 果 及 分 析 、
Ｉ Ａ 是 Ｐ Ａ 从 二 阶统 计 分 析 向 高 阶 统 计 分 Ｃ Ｃ 试 验 中采 用 Ｏ Ｌ标 准 人 脸 数 据 库验 证 该 算 Ｒ 析 的拓展 ．基 于数据 的高阶 统计 信息 提取 数 据 的 法 ．该数 据库 包 括从 １ ９ ９ ２年 ４月 到 １ ９ ９ ４年 ４月 独立 特征 ． 能够更 好 的表示人 脸 的局 部特 征 。 具体 剑桥 大学 实验 室拍 摄 的一系列 人脸 图像 ．具 体为
人脸 数据 库上 的 实验 结果表 明 ， 种识 别算 法优 于 Ｐ Ａ 和 Ｉ Ａ算 法 。 这 Ｃ Ｃ
【 关键词 】 特征提 取 ； 立成 分分析 （ Ａ ； ： 独 Ｉ ）隶属度 ； ｃ 主成 分分析 （ｃ ）人脸 识 别 Ｐ Ａ；
Ｏ 弓 言 、Ｉ
式 中 Ａ∈ Ｎ ， 为混合矩 阵 。 Ｒｘ 称 Ｍ 存 在分离 矩 阵 Ｗ ∈Ｒ ， 使其 满足 下式 ：
一
Ｐ Ａ 算 法 对 图像 进行 去 二 阶相 关 和 降 维处 理 ． Ｃ 然 Ｏ Ｌ人脸 数据 库 中部分 图像 ： Ｒ 后 通 过 Ｉ Ａ算法 对 图像进行 处 理 ．获得 由独 立影 Ｃ
像 基构 成 的一个 低维 子空 问 ：：Ｓ， ， Ｓ ） ＜ ） Ｓ ｛。 ： （ ｎ Ｓ …， ｍ 计 算 出此低 维子 空 问的特 征 向量为 ： Ｘ ｛ ２ －Ｘ ｝ ＝Ｘ， ，． Ｘ －， 假 设 Ｘ“ １ ， Ｎ 为 已知 ｏ 类 人 脸 图 像 矩 ｉ＝ ， …，ｉ ２ ） ｔ ｉ
和线 性判 别 分 析（Ｄ １等 。独立 元 分 析（ Ａ 嘲 Ｌ Ａ【 ２ ］ Ｉ ）是 知 源信 号 Ｓ的最佳 估计 Ｃ 近 年来 发展起 来 的一 种新 的多 维 数字 信号 处理技 在 独立 成分 分析 中求解分 离矩 阵 是关键 目 术 ．其 基本 思想是在 最大 程 度保 持信 息量 的前 提 前 已提 出很 多 求 解 分 离 矩 阵 的算 法 。本 文 采 用 下 ．从 高维数 据空 间 中提取 出低 维数 据 的特 征分 Ｆ ｓ Ｃ ａｔ Ａ方法 来 实现 独立 分量 的提取 【． ｌ ８ 该方 法 是 １ 是 应 量． 是一 种基 于人脸 全局特 征 的识别 方法 。 Ｉ Ａ 基于 负熵 的 固定 点算 法 ． 目前 效 率较 高 ． 用 较 但 Ｃ
（） ｋ＝ ｋ／ｌ （ ｌ ５ Ｗ（ Ｗ（ ｌ ｋ ｌ ） ） Ｗ ）； ｆ） 果 不 收敛 ， ｋ ｋ ｌ 返 回ｆ 继 续 ， ６如 令 ＝＋ ， ４ ） 否者 了后 续 工作 的计算 量 ， 取得 了较 高 的识 别率 。 文 本 称 该方法 为模 糊 ＩＡ Ｆ ｚｖＩＡ 。 Ｃ （ｕｚ Ｃ １ 输 出 Ｗ（） ｋ。 １ 独 立 成 分 分 析 的 基 本 理 论 、 其 中 ｇ ）ｕ ｘ （ｕ ２ （ ＝ ｅｐ一 ２ １ ｕ ／
Ｘ＝ ＡＳ
数学 中的概 念 、 理与方 法解决 分类 识别 问 题 。 原 模 糊 模 式识别 将待 识别类 别 、对 象作 为模 糊集 和 其
基金 项 目： 家 自然科 学基金 资 助 项 目（５ ７ １４ 国 ６ ０ ３ ２）
２１ ０ ２年第 ５期
福 建 电
脑
５
wenku.baidu.com
测 元素 ．因此应 根据 实际 问题需 要 进行 特征 提 取或 图像 ｆ 试 样 本１对 各 类 人脸 图像 的 图像 隶 属 度 特征 变换 ． 建立模 糊集 的隶属 函数 ． 然后 运 用 有关 若 ＝ ｛ １ｒ” 则判别测试样本为 Ｏ类 ， ｊ ≤ ， Ｌ ；
本 实 验 使 用 Ｍａ ａ７１在 ｗｎ ｏ ｓＸ 系 统 ｔｂ ． ｌ ｉｄｗ Ｐ 建 立 ．无 论 在理论 上还 是 在应 用上 都是 非 常重 要 下 ， 了更 好地 证 明算法 的有 效性 ． 为 我们 随机选 取 的 。 于造 成模 糊不 确定性 的 原 因多种 多样 ． 由 因而 其 中 １ 个 人 ， Ｏ 每人 前 ３幅ｆ ３ 共 ０幅） 图像作 为 训练
２、 于 Ｆ ｚ ｙ Ｉ 的 特 征 提 取 和 识 别 基 ｕ ｚ ＣＡ
２１ 法设计 的基本思 想 ．算
对 于 一 组 盲 源 信 号 Ｓ （，， ｓ Ｔ有 Ｎ路 观 ＝ｓｓ … ｍ ， ｌ ） 自 １６ ９ ５年 Ｚ ｄ ｈ提 出模 糊概 念 以来 ． 糊 数 ａｅ 模 测 信 号 Ｘ （ｌ ， 丫 每 一 路都 是 一 维行 向量 的 学 已被 用 于很 多 领域 ， 其应 用于模 式 识别 ， 成 ＝Ｘｘ … ｘ ｒ ’ Ｎ， 将 形 形 式 。存 在 系数ｆ 合１ 阵 Ａ， 得 独立 源信 号 Ｓ 了模糊 模式 识别 。模糊 模式 识别 方法 是 利 用模 糊 混 矩 使 与 观测 信号 Ｘ可 以用 线性 关 系来表 示 ：
模 糊集 的种类 是 复杂 的 。 实际应 用 中 ． 确定 隶属 函 样 本 ． 其余 的 ３ ０幅 图像作 为测 试样 本 的做 法 。如 数 的方法 有 不 少 。 如专 家 确定 法 、 计 法 、 比排 此重 复 １ 统 对 ０次试 验 ． 后结果 取 其平 均值 。分别 采 最
４
福 建 电
脑
２１ ０ ２年第 ５期
人脸识别特征提取算 法研究
姚 玉 未 ，李 根 ，邱 骏 驹 ，杨 佳
（肇庆 工商职 业技 术 学院 计算机 应 用技 术 系 广 东 肇 庆 ５ ６ ２ ２ ０ ０１
’
【 摘 要 】 ：人 脸 自动 识别 方 法 已成 为 当前模 式识 别和 人 工智 能领 域 的一 个研 究热 点， 脸 人 特征提 取是 人脸 识别技 术 的 关键 。首先介 绍 了 Ｉ Ａ 算法 的原理 ， 对 Ｉ Ａ算 法的优 缺 点进行 了 Ｃ 并 Ｃ 讨 论 ， 出 了一种 基 于模 糊 隶属度 函数 的独 立成分 分析 图像特 征提取 和识 别 方法。在 ＯＲ 标 准 提 Ｌ
像 ，ｔ｛ 。Ｌ…， １且 第 ｉ 有 个人 脸 图像 。 ｏ ｏ，： 仅 ， ＝ｔ ， Ｏ 类 库 中每个人 的图像都 是不 同角度 同时 间且受 、不 对 人 脸 图 像 训 练 集 样 本 图 像 Ｏ．首 先 通 过 定 光 线 和一 些 饰 物 ｆ 眼镜 等１ 响 。图 ｌ ｔ 如 影 是
算法 为 ：
ｆ１特 征 提 取 和 变 换 １
４ ０个 人 ．每个 人 有不 同表 情或 不 同视 点 的 １ ０幅
图像 ． ４ ０幅 图像 所 构 成 ． 斜 角 度 不 超 过 ２ 共 ０ 倾 ０ 假 设 人脸 图像训 练集 样本 图像 有 ｎ类 人脸 图 度 ． 些人 脸 图像 的分 辨 率 为 ９ ｘ １ ． 脸 数 据 这 ２ ｌ２ 人
特 征 提 取 是 人 脸 识 别 中一 个 非 常 重 要 的环 节， 目的是 为 了降低 人脸 图像 的维数 。 目前 ， 常用 的基于 统计 的特 征提取 方法 有 主成 分分 析 （Ｃ ） Ｐ Ａｔ ｑ
Ｙ ＷＸ ＷＡ —Ｓ ＝ ＝ Ｓ （． １１ ） 式 中 ＷＡ ＩＩ ＝ ， 为单 位 阵 ． Ｙ为 统 计 独 立 的 未
Ｉ Ａ最初 是对盲 信 号 的分 离 利 用独 立 成分 Ｃ
信号 恢复 或提取 源信 号 。独 立 成分 分析 已经成 为 混合 信号 中减 去这 一分量 。
盲信 号处 理 中最 主要 的方 法 之一 ． 在模 式识 别 、 并 数据 压缩 、 图像分 析等 方面得 到广 泛 的应用 。
某 一 类或 不属 于某 一类 ．而 是 以一定 的隶 属度 属 于各 个类 别 。 果分类 识别 系统 是 多级 的 ． 如 这样 的
图 ２识 别 率 与特 征数 的关 系
由图 ２可知 ．识别 率 随着 特 征维数 的增 加 而
结果 有益 于 下一级 的决 策 。如果 这是 最 后 一级 决 成上 升 的趋 势 ．本 文 的方法 识别 率 高于传 统 Ｐ Ａ Ｃ 策。 而且 要 求一个 明确 的类 别判 决 ． 以根 据模 式 方法 和 ＩＡ方 法 ． 方法 识别 率最 高可 达 ９ ．％． 可 Ｃ 该 ５１ 相对 各类 的隶属度 或其 他 一些指 标 ． 如贴 近 度等 ． 但 当特征 数接 近 １ ０时 ． 别率 略有 下 降的趋 势 ． ０ 识
ｆ１ ２建立 矢量 隶属 函数 。模 糊集 合 隶属 函数 的
序法 等 。 用传统 的 ＩＡ方 法 、 Ｃ Ｃ Ｐ Ａ方 法 和本 文 的 Ｆ ｚｖＩ Ａ ｕ ｚ Ｃ 在本文中， 我们 将模 糊数 学 中建 立隶 属 函数 、 方法 ． 进行 了人 脸识 别仿 真实 验
隶属 度 的方法 引入 矢量 空 问 中 ．从 而定 义 未知 人 脸 图像矢 量 归属 于 Ｏ 类 的模糊 隶属 度 函数 为 ： ｔ ｉ
１
ｌ Ｈｉｌ 一＞ Ｚ ｌ ＋ ｌ Ｉ ｎ ｌ
其 中 ， 为任 意实 数 ，Ｉ Ｉ为 向量 范数 ，ｉ ｌ．Ｉ Ｚ 和 （ ｆ） 得 到 的 特 征 向 量 。 ｐ为 １中
ｆ 模 糊结 果处 理及人 脸分 类识 别 使 用模糊 ３ １ 技术 进行 分类 的结 果不 再是 一个 模 式 明确 地属 于
进行 硬性 分类 。 在本 文 中 ， 我们 利 用最 大隶 属度 原 说 明 并 不 是 所 有 的特 征 向量 都 是 有 效 的投 影 空 则进 行人 脸 分类识 别 ．即首 先计 算 每个 输 入人 脸 问 ． 有些 刚好 是与 人脸 本身 无关 的噪声 因素干 扰 。 ｆ 下转第 １ ０页１
算 法在 获取 独立 分量 的过程 中需 要 获取 人脸 图像 广泛 的一 种 ＩＡ算法 。该算 法 的具 体 描述 为 ： Ｃ 的先验 知识 ， 这影 响 了识别 的准确 率 。 有效减 少 了 后续 工作 的计算 量 ． 取得 了较 高的 识别率 。
基 于上述 讨论 ．本文 将一 个人 脸 图象矩 阵视 为一 矢量 ． 过 引入模糊 数学 中的隶 属度 概念 ． 通 定 义矢 量隶 属 函数 ．提 出一 种新 的基 于 隶属 度 函数 的独 立 成分 分析特 征抽取 和识 别方 法 有 效减 少
该算 法 最 后得 到 的 向量 Ｗ ． 其线 性 组 合 ＷＴ ｚ 个 分 析 （ Ａ） 法可 以在不 知 道 信 号 源和 传输 参 数 给其 中的一个 独立分 量 要 计算 ｎ 独 立 分量 就 Ｉ 方 Ｃ 的情况 下 ． 据输入 信号 源 的统计 特性 ． 由观测 要重 复上 述算 法 ｎ次 ，但 每提 出一个 分 量后 要 从 根 仅
（ 对数 据进 行 中心化处理 ， 其 均值 为零 。 １ ） 使 （ 白化 数据 ， 白化 后 的数据 为 ｚ ２ １ 令 。 （） 始化 Ｗ（）令 其模 为 １ 置 ｋ ｌ ３初 ０， ， ＝；
（） ｋ＝ ｛ （ ｋ １ ｚ － ｛ ４Ｗ（）Ｅｚ Ｗ（－ ） ） Ｅ ｇ（ ｇ Ｔ｝ Ｗ（一 ） 】 ｋ １； ｋ １ｚ Ｔ Ｗ（一 ）
阵 ａ（（ ｌ ， Ｎ） 特 征 向 量 ， ｊ） ＝ ， …，； ｉｊ ２ 的 Ｙ为 未 知 人 脸 图 象 矩 阵 Ｃ的特征 向量 ， 计算 Ｘ 和 Ｙ在低 维 子空 间 ｉ
中 的 投 影 向 量 ， Ｚ＝ Ｘｉ‘ Ｓ ． 即 ｉ ． ， Ｓ ｐ＝ ＴＹ。
图 １Ｏ Ｌ人 脸 数 据 库 中部 分 图像 Ｒ
１ ０
福 建 电
脑
２１ ０ ２年 第 ５期
② Ｃ ｍ ｌｔ ｎ ｅ 是 一个 可 以 自己定义 的参 数 ． ｏ ｐｅ ｏ Ｋ ｙ ｉ 可 为 了直 观 地反 映 异 步 Ｉ Ｃ Ｏ Ｐ技术 在 通 信性 能 以把 一个 结构 的地址赋 给 它 ．然后 在 合 适 的时候 方 面 的优 势 ．笔 者将 本 系统 中 网关 通信 程序 的同