重庆邮电大学本科毕业设计（论文）

图4.10 人脸姿态发生变化下的人脸识别结果

图4.11 人脸表情变化下的人脸识别结果

- 36 -

重庆邮电大学本科毕业设计（论文）

第三节 本章小结

在本章主要讲解PCA基本理论和PCA在人脸识别中应用。在第一节中主要讲解了PCA基础理论，使用PCA进行数据分析的优点和PCA方法在计算机视觉领域的应用。在第二节中主要讲解了如何进行基于PCA的人脸识别。

- 37 -

重庆邮电大学本科毕业设计（论文）

结 论

本文研究的是基于PCA的人脸识别算法的实现。在试验中采用的人脸数据库为Essex faces94人脸数据库，人脸特征提取算法为PCA算法，分类方法采用的是最小距离分类法。通过实验发现在无光照变换，正面姿态，少量遮挡情况下，基于PCA的人脸识别系统的识别率很高，而且反应很迅速。当然也存在着一些问题，例如本文对图像的光照变化，其他姿态没有进行考虑，但实际中这是无法忽略的问题，有可能会导致人脸识别识别率减小。

为了进一步提高基于PCA的人脸识别系统的性能和适应性，我们可以通过以下几个方面进行改进：

改进图像获取方法：我们可以通过使用人脸检测和跟踪算法，在图像获取的时候，动态跟踪和检测人脸，只采集最佳姿态下的人脸图像。这在一定程度可以解决姿态所引起的问题，但也同时对系统的检测和跟踪人脸的反应时间提出较严格的要求。如果反应时间较长，对于快速移动的人脸可能错过采集最佳姿态的图像，而导致系统无法识别人脸。

改进人脸识别特征提取算法：基于PCA的人脸识别虽考虑了人脸图像间的差异，但是不能区分这种差异是由光照，发型变更或背景导致，还是人脸的内在差异，因此特征脸的识别方法在理论上存在一定的缺陷。究其原因是人脸图像中所有像素都处于同等地位，在角度，光照，尺寸和表情变换可能会导致性能急剧恶化。采用同一个人的训练样本的平均来计算人脸图像类间散布矩阵可在一定程度上补偿这个缺点。同时也可以对输入的人脸图像做规范化处理，主要包括对人脸图像做均值方差归一化，人脸尺寸归一化。另外还可以在计算特征脸的同时利用K-L变换计算特征眼睛和特征嘴，然后将这些局部特征向量加权进行匹配，可能会得到更好的结果。我们也可以将人脸进行差异化分类，可分为脸间差异和脸内差异。脸内差异表示同一个人脸的各种可能变形。脸间差异表示不同人的本质差异。在实际中，人脸图像的差异为两者之和。若脸内差异大于脸间差异，则认为两个人脸图像属于一个人的可能性较大。

改进人脸识别的分类器：最近邻法分类器属于一种线性分类器。在实际中可以利用神经网络这类学习能力强的非线性分类器对高维人脸识别可能会取得更好的效果。

综合不同的人脸识别方法：在目前，仅仅单独采用一种现有的人脸识别方法一般都不会取得很好的识别效果。各种技术和方法都有自己不同的适应环境和各自的特点。如果我们想进一步提高人脸识别系统的识别率，可以考虑使用数据融合理论，将不同的方法综合起来，相互补充，来取得很好的人脸识别效果。这也是为人脸识别的研究趋势之一。

- 38 -

重庆邮电大学本科毕业设计（论文）

致 谢

毕业设计完成了，在这个过程中我学到了很多东西。首先我要感谢我的导师高陈强老师和苏恒地学长，他们在我完成论文的过程中，给予了我很大的帮助。在论文开始的初期，我对于论文的结构以及文献选取等方面都有很多问题，他们鼓励我耐下心，多查资料，多思考，并且指导我如何选择合适的参考资料。在学习原理阶段的初期，我对PCA算法，图像处理和人脸识别都非常的不熟悉，他们细心的指导使我懂得PCA算法处理数据的原理，常用的图像处理方法和人脸识别相关知识。在程序编写初期，他们悉心教导我如何构架基于PCA的人脸识别系统。在论文修改过程中，高老师认真对论文进行了修改，并同时提出了修改意见。高老师严格要求学生的态度，深厚的学术造诣以及平和的待人风格是我学习的榜样。

最后，我要向百忙之中抽出时间对我论文进行评阅，评议和参与答辩的各位老师表示衷心的感谢。

- 39 -