目录
结合PCA与LDA算法的人脸识别研究
1 国内外研究现状
2 在人脸检测中经常用到的方法
3 以PCA为基础框架的人脸识别技术
3.1 小波变化图像预处理
3.2 人脸检测
3.3 人脸的识别方法
参考文献
结合PCA与LDA算法的人脸识别研究
现如今科学研究的众多领域中，存在着一个普遍的问题那就是如何从采集的大量数据中分析并获取自己有用的信息。随着近些年来科学技术的飞速发展，数据的获取测量以及储存已经不再是问题，但是简单的获取数据显然并不能满足我们的需求，我们需要的是从这些大量的数据中提取出我们想要的且有用的数据信息。生物特征提取识别技术是利用人体的一些生物特征进行身份识别的一种技术[1]。人脸特征识别技术在当下社会中具有广泛的应用前景，人脸特征作为一种人的内在属性，具有很强的自身稳定性以及个体差异性，所以可以将其作为一个身份验证的理想依据。人脸识别方法作为一种传统意义上的身份识别技术，有着方便、快捷、高效的特点，相比于其他生物特征，基于人脸面部的特征更具有主动性、非侵犯性和用户友好性等许多优点，这是一种更容易被大众接受的直接、方便、快捷友好的识别方法[2]。同样的，人脸自身也存在着比如表情、姿态、光照强度变化以及佩戴饰物的影响等，这些都会使得人脸识别的效果及其稳定性受到很大的挑战。近些年来，许多神经生理学家已经开始在视觉系统上开展了全面的更深入的研究，并且取得了有着重大意义的研究成果，同时这也意味着在工程技术上利用计算机来模拟人的视觉系统成为了可能，研究者们主要致力于希望从人脸识别的角度来提高生物特征提取的精准性，截止到目前为止，诸多的生物识别技术（例如：指纹识别、人脸识别、声音识别、虹膜识别等）都已经具有了很高的识别精准度并且有着较好的用户体验性。人们的切身需求也就促使了科研人员对身份识别的钻研，在这样的大环境大背景之下，生物特征技术应运而生[3]。
1 国内外研究现状
人脸识别技术现今已经应用到了很多领域当中，并且扮演者举足轻重的地位。人脸识别技术诞生于二十世纪六十年代，直至七八十年代才有了进一步的研究，但也仅是一些小型的图像样本集，进入九十年代以后人脸识别的技术菜开始突飞猛进，经过这些年来额发展，该技术已经取得了长足的进步[4]。
国外的发展概况从参考文献资料中我们可以知道在1966年PRI的Bledsoe开始研究机器自动人脸识别，1990年日本研制成功的人像识别机，可在1秒钟内从3500人中识别到你要找的人。1993年，美国陆军研究实验室(Army Research Laboratory)和美国国防部高级研究项目署(Advanced Research Projects Agency)成立了Feret(Face Recognition Technology)项目组，建立了Feret人脸数据库，用于评价人脸识别算法的性能。 美国陆军实验室也是通过软件利用VC++开发来实现该技术，人脸正确识别率FAR(Face Accuracy Recognition)为49％。在美国国内的公开测试中， FAR为53％。美国国防部高级研究项目部利用一种半自动和全自动算法，这种算法需要人工或自动指出图像中人的两眼的中心坐标，然后进行识别。在机场开展的测试中，正确识别率很低，系统发出的错误警报太多。国外的一些高校，比如卡内基梅隆大学(Carnegie Mellon University)，英国的雷丁大学(University of Reading)，麻省理工大学(Massachusetts Institute of Technology)等，和公司(Visionics公司的Facelt人脸识别系统、Lau Tech的公司Hunter系统、Viiage的Face FINDER身份验证系统、德国的BioID系统等)的工程研究工作也主要放在公安、刑事方面，在考试验证系统的实现方面深入研究并不多[16]。
国内的发展概况现在人脸识别系统在大多数领域中起到了举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、物业管理、银行、海关边检、军队安全、智能门禁、计算机登录系统、司机驾照验证。 我国在人脸识别技术方面也取得了较好的成就，国家863项目“面像检测与识别核心技术"通过成果鉴定达到国际先进水平，并已经开始应用。这标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。 北京科瑞奇技术开发股份有限公司在2002年实现了一种人脸鉴别系统，首先对人脸图像进行预处理，消除照相机对生成图像的影响，再对图像进行特征提取和识别[15]。这对于人脸鉴别特别有价值，因为通常使用正面照鉴别人脸，这些人脸图像是使用不同的照相机在不同时期拍摄的，图像差别较大。系统可以接受时间间隔较长的照片，并能达到较高的识别率，在图片库中存有2300人的每人一张正面照片，
