基于PCA算法的人脸识别研究
为了区分人脸和非人脸，还需计算原始图像R与其由特征空间重建的图像Rf之间的距离ε：
采用最小距离法对人脸进行分类，分类规则如下：
(1)若ε≥θc，则输入图像不是人脸图像；
(2)若
则输入图像包含未知人脸；
(3)若
则输入图像为库中第k个人的人脸。
4 实验结果
实验在两个图库上测试，首先是一个ORL人脸库，该库包含40个不同人物，每人有lO张图片，共400幅。用训练样本进行测试，识别率为95％。一个是自建人脸库，该库包含20个不同人物，每人有5张不同表情和姿态下的图片，总共100幅。随着训练样本的增加，识别率会有所提升，但是并不是越多越好，当超过一定的训练样本数目时，识别率反而有所下降。
5 人脸识别未来的发展
人脸识别是一个跨学科富挑战性的前沿课题，人脸图像中姿态、光照、表情、饰物、背景、时间跨度等因素的变化对人脸识别算法的鲁棒性都有着负面的影响，单一的PCA方法识别率不高，今后的发展方向可以与其他方法(如：支持向量机、小波变化等)相结合来弥补单一方法的不足，让身份识别更准确。
评论