搜索
公式及符号说明如下：人脸库：ORL（OlivettiResearchLaboratory）人脸库。图像尺寸：=92112WH训练集的人数：15N人每个人的训练图像：4张/人训练集的图像数：41560M张人脸空间维度：160159DM训练集图像向量：12,,...,(60)MM平均脸：mm11=MM(60)M差脸：mmM（m=1,...,）矩阵：123[,,,...,]MA协方差矩阵：TCAA辅助矩阵：TLAAL的特征值和特征向量vC单位正交化后的特征向量u（即特征脸）一幅图像投影到人脸空间后得到的一套权值：()Tddu，(1,...,)dD一幅图像投影到人脸空间后得到的模式向量：，计算公式为12[,,...,]TD平均模式向量：__(1,...,)nnN，由每人各自所对应的4条模式向量求平均得到测试图像到人脸空间之间的距离：22f||||，其中，f1Ddddu测试图像与训练集中某已知个体之间的距离：__22||||nn，1,...,nN判断图像是否为人脸图像的阈值：1，根据经验设定判断人脸是否为某个已知人脸的阈值：2，根据经验设定特征脸方法进行人脸识别的步骤如下：1.获取一个尺寸一致（=92112WH）的人脸图像训练集，训练集图像来自ORL库中的15个人，每个人有10张图像（都是正面图像，光照和表情有细微差异），取4张作训练图像，剩下的6张作测试图像，所以共有60张训练图像，90张测试图像。2.把这60张训练图像都转化为灰度图，再以每张图像像素点的灰度值为元素，组成60条列向量：12,,...,(60)MM,每条向量的长度为=92112=10304WH。3.先根据公式mm11=MM(60)M，计算平均脸；然后，根据公式mm（m=1,...,60），计算出每个人脸与平均脸之差（差脸）。接着，引入矩阵123[,,,...,]MA,(60)M，最后构造两个矩阵：TCAA和TLAA，其中C是1030410304的协方差矩阵，L是6060的辅助矩阵。4.求出矩阵L的特征值(1,...,)mmM，(60)M，对m进行降序排列，挑出59D个较大的特征值，并求出与它们对应的特征向量(1,...,)dvdD，59D，根据公式(1,...,)dduAviD，59D，注意：不要把这里的du与前面的m混淆，du是C的特征向量，m是L的特征值。计算出59D个(1,...,)dudD，然后把这些du归一化为单位正交向量。单位正交化后的du就是我们常说的“特征脸”。最后由这59个特征脸构成一个人脸空间。5.下面介绍一下怎样把一张图像投影到人脸空间上，并计算出模式向量(patternvector)。在计算之前，需要先计算一套权值(1,...,)ddD，59D。计算公式为：()Tddu。然后根据这一套权值就可以组合成，公式为12[,,...,]TD，59D；6.根据第6步的介绍，把训练集的60张图像依次投影到人脸空间上，计算出各自的模式向量(patternvector)(1,...,60)mm，我们知道，训练集里的15个人各自都对应着4条模式向量，我们把每个人所对应的4条模式向量分别求平均，就可得到15条平均模式向量__(1,...,)nnN。7.当遇到一副测试图像时，根据步骤6，我们计算出它的模式向量12[,,...,]TD，59D；8.计算测试图像到人脸空间之间的距离。计算公式为：22f||||其中，，f1Ddddu，其中59D。若距离小于阈值1(多次试验后，根据经验设定)，则表明这是一张人脸图像；9.如果输入图像为人脸图像，则计算它与训练集中各个个体（共15个人）之间的距离，如果距离小于阈值2(根据经验设定)，则它属于这个已知个体。计算公式为：__22||||nn，1,...,nN，其中n表示测试图像与第n个个体之间的距离，12[,,...,]TD表示测试图像的模式向量，__n表示第n个个体的平均模式向量。10.当所有的测试图像都测试完之后，统计识别正确率，并将其打印输出。