基于PCA算法人脸识别的MATLAB实现

    刘向东

    

    摘要：人脸识别技术先进，应用广泛。借助PCA算法，利用MATLAB GUI可以简单操作，通过对待识别图像的预处理即可提高识别率。本文首先对相关概念进行了阐述，对工作原理进行了介绍，具体对基于PCA算法人脸识别的MATLAB 实现进行了解析。

    关键词：PCA算法；人脸识别；MATLAB GUI

    中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）12-0193-02

    人脸识别技术应用前景广泛，如安全验证系统、公安罪犯识别、信用卡验证等方面。目的是通过技术和手段监督、管理和识别人的身份。

    1 PCA算法

    PCA是principal Component Analysis的简称，是一项计算机视觉技术，目的为了降低维数与提取特征，是目前应用于人脸识别的有效方法之一。PCA算法采用K-L变换得到特征脸向量，以此降低人脸空间维数；利用特征脸向量进行人脸的识别和重建，得到区别于其他人脸的特征，然后根据待识别人脸特征与库中人脸特征进行比较并原到人脸空间中。对PCA算法原理及主成分分析法，本文不再累赘。

    2 基于PCA算法人脸识别的MATLAB实现

    2.1 读取人脸库

    2.3 实现结果展示

    实验选择包含40个不同人物，每人有10张图片，共400幅的ORL人脸库进行测试，识别率为100%。预处理对识别的效果起着至关重要的作用，即训练样本多了，才会对结果产生影响，且PCA只是起到了简单的特征脸降维的作用，尽量消除光照、姿势、表情和遮掩的影响，效果才会很好。（见图1-4的测试截图）

    3 总结

    人脸识别是个前沿课题，即跨学科，又富有挑战性。但目前还处在研究阶段的人脸识别在实用化方面还任重道远。本文采用了较常用的欧式距离进行人脸识别，但是发现难度依然较大，因为很难找到一种算法能适应光线、表情、姿态变化以及附加物的影响。但是科技依然在进步，相信不久的未来， 进行人脸识别的最优算法一定会出现。

    参考文献：

    [1] 陈燕.特征提取在人脸自动识别技术中的研究[J].信息技术，2011（09）.

    [2] 杨国亮，李欢.改进的基于特征脸和欧氏距离的人脸识别方法[J].软件导刊，2010（03）.

    [3] 刘嵩.基于特征融合的人脸识别[J].湖北民族学院学报（自然科学版），2011（02）.

    [4] 焦斌亮，陈爽.基于PCA算法的人脸识别[J].计算机工程与应用， 2011（18）.