图像特征融合在人脸识别中的应用研究

王正友

(上海出版印刷高等专科学校，上海 200093)

责任编辑:任健男

人脸识别技术起始于20世纪60年代后期，经过40多年的飞速发展，人脸识别技术在安全验证系统、医学、档案管理系统、人机交互系统、公安工作、视频会议和图像检索等领域广泛应用，已经成为计算机视觉和模式识别领域的一个研究热点［1］。

人脸识别的关键是特征提取［2］，特征提取的结果被用于识别人脸，例如主成分分析(PCA)［3］。PCA的主要思想是降维，使得图像的维数等于或小于使用训练集的数量，根据图像子空间上的最佳效果来寻求特征向量，这些向量特征就是众所周知的“特征脸”。当转化成不同的子空间时，PCA所产生的位置和形状数据都会发生改变。线性判别分析(LDA)［4］是一种特征提取方法，通过它可以获得某类的数据集及其数据集中的各个类间距，LDA不改变数据集本身，而是提供一个单独的类。然而，PCA和LDA都有缺点，得到的提取结果只是一个全局结构，事实上，局部结构对描述一个物体，例如局部保持投影(LPP)［5］和正交拉普拉斯脸(OLF)［6］方法也很重要。

基于上述分析，本文提出了一种新方法来选择和融合提取出的特征，即全局与局部特征融合方法，首先将这些特征按降序排列，然后从最占主导地位到最不占主导地位的特征进行融合，既包含了全局结构，又包含了局部结构，在一定程度上提高了人脸识别率。

1 算法设计与分析

GLFS方法分为两个过程，一个是训练过程，一个是测试过程。在训练过程中，训练集被PCA，LDA和局部保持投影(LPP)方法提取。……