二进制粒子群算法在人脸识别中的应用

程国建，石彩云，朱 凯

（1.西安石油大学 计算机学院，陕西 西安710065；2.美国太平洋大学 工程与计算机科学系，美国 加州斯托克顿CA 95211）

0 引 言

人脸识别指利用人脸视觉特征信息进行身份鉴别的计算机技术，是机器视觉和模式识别领域最具有挑战性的课题之一。与指纹识别、视网膜识别，基因识别等生物技术相比，它具有对人体无伤害、无限制、友好方便等优点，是一种比较理想的生物识别技术。当前主流的人脸识别技术有基于几何特征的方法［1］、神经网络方法［2］、弹性图匹配方法、PCA［3］（主成分分析）方法等。

粒子群优化 （particle swarm optimization，PSO）算法是1995年Kennedy和Eberhart通过对鸟类觅食行为的研究共同提出的［4］。PSO的优势在于算法简单，没有许多参数需要调整。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及遗传算法的应用领域，主要是针对连续函数优化问题。但是在许多优化问题中，自变量是整数，比如生产调度、路由选择、以及很多整数规划问题。针对0－1整数规划问题，Kennedy和Eberhart博士1997年提出了二进制粒子群算法 （binary particle swarm optimization，BPSO）［5］，目前已经成功应用于求解离散优化问题［6－7］。

人脸识别技术发展迅速，并且已经应用到了信息安全、视频监控、刑侦破案等领域。但是人脸识别技术受外部环境，如光照、摄像设备、设备距离和角度、图像存储质量等的影响非常大。现在人脸识别技术主要的挑战课题就是，进一步研究特征提取算法和识别算法，来提高识别率。本文中BPSO算法作为特征提取算法应用到人脸识别中，希望对人脸识别技术的发展起到参考性作用。……