基于MATLAB的人脸识别研究

基于MATLAB的人脸识别研究

【摘要】深入分析了主成分分析（Principal Component Analysis，PCA）方法的基本原理，PCA方法最显著的优点是能用低维特征向量来估计原始样本，基于此特点将它用来实现对人脸的识别。此外本文还深入分析了PCA中遇到的特征值选择和距离准则的选取问题。

【关键词】MATLAB；数字图像处理；人脸识别

1.引言

人脸识别是当前计算机模式识别领域中的一个非常活跃的研究课题，在安全检测、身份验证、军事、商业等领域具有广泛的应用前景。基于人脸识别的自动身份认证具有重要的理论意义和应用价值。但是通过人脸图像来进行识别仍然面临巨大的挑战，要使这一技术成为完全成熟的技术还有许多工作需要做。

2.人脸识别的研究内容

人脸识别（Face Recognition）是指基于己知的人脸样本库，利用图像处理和模式识别技术从静态或动态场景中，识别或验证一个或多个人脸。从广义上讲，其研究内容包括以下五个方面：

（1）人脸检测（Face Detection）：即从动态的场景或复杂的背景中检测出人脸的存在并且确定其位置，然后分离出来。这一任务主要受光照、噪声、头部倾斜度以及各种遮挡的影响。

（2）人脸表征（Face Representation）：也称为人脸特征提取，即采用某种表示方法来描述检测出的人脸与数据库中已知人脸。通常的表示方法包括几何特征（如欧氏距离、曲率、角度等）、代数特征（如矩阵特征矢量）、固定特征模板、特征脸、云纹图等。

（3）人脸识别（Fac