基于镜像奇异值分解的单样本人脸识别技术

　　不同的特征提取方法的确会对系统识别率的提高有一定的影响，为了验证本文方法识别率的提高不仅仅依赖于(2D)2PCA特征提取方法的选择，而是由于镜像人脸图像样本的增加，实验中分别对单样本PCA算法、SVD+PCA算法、SVD+2DPCA算法、SVD+(2D)2PCA算法以及本文算法在ORL人脸库上，同样分别将每个人的第1,2,3,...,10幅图像作为训练人脸图像，而将其余的360幅作为测试样本，取同一特征向量维数下的10组实验的平均识别率作为其最终识别率，测试结果如图3所示。

　　同时，为了比较各参考文献方法和本文方法在不同测试样本数目情况下的稳定性[9]，做如下的测试实验：在ORL人脸库上分别取每个人的第1,2,3,...，10张图像作为训练样本，分10组实验，同时在每组实验中分别以除训练样本以外的前2,3,4,...，9张图像作为测试样本，计算每组实验的平均识别率，实验结果如图4所示。

　　2.3 实验结果分析

由表1可以看出，在不同的训练样本条件下，本文提出的方法的识别效果明显高于参考文献中提出的其他几种方法，这主要是由于加入镜像信息后可以减小由于姿态变化对人脸识别的影响。从图3中的实验数据也可以看出SVD+2DPCA和SVD+(2D)2PCA方法在特征维数增大时，两种方法的识别效果差不多，但是都不如本文所提方法，而且由SVD+(2D)2PCA方法和本文方法的比较曲线可以得知,本文方法识别率的提高主要是依赖于人脸图像镜像信息的加入，而不是仅仅由于(2D)2PCA特征提取方法的选择。由图4可知，随着测试样本个数的增加，特别是PCA方法的识别率较低而且其稳定性较弱，与SVD+2DPCA以及SVD+(2D)2PCA方法相比，本文所提方法在保证识别率高于其他方法的同时，也表现出了较强的稳定性。

　　通过对原始人脸图像增加镜像图像来扩充训练人脸样本数,提出了一种基于镜像奇异值分解的新方法。实验表明，与其他单样本人脸识别方法相比,本文所提出的方法具有较高的识别率，在一定程度上克服了由于人脸姿态的变化对识别结果的影响,并取得了较好的识别效果。但是，现有的基于单样本人脸识别的方法其识别率一般都不高,有效算法的提出还有待进一步的研究。

参考文献

[1] ZHAO W, CHELLAPPA R, ROSENFELD A, et al. Face recgnition: a literature survey[J]. ACM Computing Surveys, 2003,35(4):399-458.[1] TURK M, PENTLAND A. Eigenfaces for recognition[J].Journal of Cognitive Neuroscience, 1991,3(1):71-86.

　　[2] TURK M, PENTLAND A. Face recognition using eigenfaces[A]. Proceedings of IEEE Computer Vision and Pattern Recognition[C]. Hawaii, USA: IEEE CS Press, 1991: 586-591.

　　[3] YANG J, ZHANG D. Two_dimensional PCA: a new approach to appearance-based face representation and Recognition[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2004,26(1):131-137.

　　[4] ZHANG Dao Qiang, ZHOU Zhi Hua. (2D)2PCA:Two-directional two-dimensional PCA for efficient face representation and recognition[J]. Neurocomputing,2005(69): 224-231.

　　[5] BELHUMEUR V, HESPANHA J, KRIEGMAN D. Eigenfaces vs fisherfaces: recognition using class specific linear projection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997,19(7):711-720.

　　[6] LU Chong, LIU Wan Quan, SEN Jian. An face recognition with only one training sample[J]. Proceedings of the 25th Chinese Control Conference 7-11 August, 2006

　　[7] 杨琼，丁晓青.对称主分量分析及其在人脸识别中的应用[J].计算机学报,2003,26(9):1146-1151.

　　[8] ZHANG D, CHEN S, ZHOU Z H. A new face recognition method based on SVD perturbation for single example image per person[J].Applied Mathematics and computation, 2005,163(2):895-907.

　　[9] 吴朋.基于虚拟信息的单样本分块人脸识别[J].计算机工程与应用,2009,45(19):146-149.