摘 要

人脸识别是模式识别研究领域的热点问题之一，它是根据生物体（一般特指人）本身的生物特征来区分生物体个体。人脸识别技术是基于人的面部特征，对已有的人脸图像进行技术上的操作，利用计算机图像处理等技术手段来提取人脸特征。利用已建成的人脸库和要被测者的人的图像进行比较分析，根据分析的结果算一个相似值。通过这个值即可确定是否为同一个人，但其中也存在一定错误率。

人脸识别算法有很多种：基于二维三、维信息融合的人脸识别算法、基于相似度分布的开集人脸识别算法、基于因子分析的实用人脸识别算法、判别近邻保持嵌入人脸识别算法、判决特征选择的快速人脸识别算法、基于重采样双向2DLDA融合的人脸识别算法、邻域保持判别嵌入人脸识别算法、基于人脸特征点的识别算法等。

本文在此背景下展开，主要工作有两部分组成：降维和识别，具体包括：1 采用变形PCA对人脸图像特征提取，解决了传统PCA的内存溢出问题；2 传统的多分类任务，多采用一对多或一对一形式推广两分类方法，而本文的方法是直接针对多分类任务展开，可一次可解完成多分类任务；3 相对于传统方法，本文方法求解只需求解C个特征方程，回避了二次规划或广义特征值问题；4 在ORL人脸数据库基础上，对该方法进行了测试，识别率可达98%以上。

关键词： 人脸识别；多类非平行近似支持向量机；特征值问题；ORL数据库

Research on Designing and Testing Multi-class Face Recognition Algorithm

Abstract

Face recognition research is one of the hottest topic of pattern recognition problems, which distinguishes between individual organisms based on the biological characteristics of the organism (usually refers to people) itself. Face recognition technology is based on people's facial features, face images of the existing operation of the technology, can use computer image processing techniques to extract facial feature. Using the completed face database and to images of people who tested a comparative analysis of the results of the analysis calculated a similar value. This value can be determined by whether the same person, but there are some error rates.

There are many face recognition algorithm: FaceRecognition Algorithm based on 2D and 3D Information Fusion, Open Set Face Recognition Approach based on Similarity Distribution, Practical Face Recognition via Factor Analysis, Discrim Inant Neighborhood Preserving Embedding Algorithm for Face Recognition, A Face Recognition Algorithm Using a Fusion Method Based on Resampling Bidirectional 2DLDA, Based on Facial Feature Points of the Recognition Algorithm and so on.

In this paper, the main work includes two parts of the composition: dimensionality reduction and identify, which has 4 parts. Part 1, using the deformation PCA extracts the face image characteristic, to solve the memory overflow of the traditional PCA; Part 2 traditional multi-class tasks almost use one-against-the-rest or one-against-one to promote the two-classification methods, but in this paper the method is directly multi-classification task, which can solve the multi-classification task; Part 3 comparing to traditional methods the proposed method for solving just solves C kinds of the characteristic equations, and avoids the quadratic programming or generalized eigenvalue problem; Part 4 based on ORL face database, testing the method, the recognition rate is up to 98%.

Keywords: Face Recognition； Multicategory Nonparallel Proximal Support Vector Machine（MNPSVM）；Eigenvalue Problem；ORL Database

目 录

第1章 绪 论 1

1.1 研究的背景 1

1.2 研究的目的及意义 1

1.2.1 研究的目的 1

1.2.2 研究的意义 2

1.3 国内外同类研究概况^[1] 3

1.3.1 国内研究概况： 3

1.3.2 国外研究概况： 4

1.4 本文的组织结构 5

第2章 人脸识别 6

2.1 人脸识别简介 6

2.1.1 人脸识别定义 6

2.1.2 人脸识别发展历史 6

2.2 人脸识别常用的方法 7

第3章 人脸识别研究工具及相关知识 12

3.1 开发工具简介 12

3.1.1 Matlab简介^[11] 12

3.1.2 ORL简介^[12] 15

3.2 算法相关知识 15

3.2.1 矩阵运算知识介绍^[11] 15

3.2.2常用函数介绍 17

第4章 MNPSVM方法简介 20

4.1 SVM基本思想^[13] 20

4.2 MNPSVM方法^[14][15] 21

第5章 多类识别算法设计及实现 25

5.1 可行性分析 25

5.2 人脸图像的显示 25

5.3 人脸识别问题的实现 27

第6章 实验结果及性能分析 29

6.1 测试的基本概念 29

6.2 实验结果及性能分析 29

6.2.1 实验结果 29

6.2.2 误差分析 30

第7章 总结与展望 31

7.1 本文的主要工作 31

7.2 不足和改进 31

致 谢 32

参考文献 33

附 录 34

第1章 绪 论

1.1 研究的背景

社会在发展，时代在进步，全球已经逐步实现信息化，各种用品也电器化、智能化。在中国目前的智能化设备已经越来越普遍，智能家电等也慢慢走进千家万户。人脸识别其实是智能化的代表，也是目前是炙手可热的一个话题。因为人脸识别在目前社会上有很多的应用，而且人脸识别系统等也在日趋成熟，也在往商品化发展。

对于人类本身来说，靠自己来识别人脸是一件比较简单的事情，因为我们具有自我分析能力。但是对于机器来说，这是很有难度的的。因为机器是死的，是依靠人预先设置的程序来进行识别的，首先机器要对人脸进行采集（通过摄像头等），接着还具有判断图像中是否存在人脸等问题，同时对图像还要进行一系列处理，最后再进行人脸识别。由此看出人脸识别系统其实是很大的一个课题，覆盖范围很广，其中的难点也很多，其研究涉及到多方面。该学科是一个交叉学科，研究内容涉及计算机视觉，图像处理、模式识别、心理学、表情学等相关领域，目前还在不断发展的阶段。

人脸识别已经成为一个潮流研究领域，智能化的实现人脸识别是很多学者研究呃目标和动力。很多商家也关注到了该领域的前景，所以人脸识别的相关系统也慢慢商业化。这样，对于人脸识别领域的研究起到了促进作用，也可将知识功能化，给人们带来便利。

1.2 研究的目的及意义

1.2.1 研究的目的

人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。