[发明专利]一种基于二阶二维主分量分析的人脸识别系统和方法

说明书

技术领域：

本发明涉及图像处理、计算机视觉、模式识别技术领域，特别涉及一种人脸识别方法。 

背景技术：

近年来，人脸识别是计算机视觉和模式识别领域研究的一个热点问题。文献P.N.Belhumeur，J.P.Hespanha，D.J.Kriegman.Eigenfaces vs.fisherfaces：class-specific linear projection.IEEE Trans.Pattern Anal.Mach.Intell，1997，19，7：711-720提出了一种特征脸方法(也称为PCA方法)，该法是一个有效的特征提取和降低维数方法，被广泛地应用到人脸识别中。然而，由于真实的人脸是很复杂的，如光照变化较大的人脸图像，单一的特征脸集并不能有效地描述人脸图像。为了克服这一点，Wang和Tan 2000年在文献L.Wang，T.K.Tan.A new proposal for face feature div.ISO/IECJTC1/SC29/WG11/m5750，Noordwijkerhout，2000中提出了二阶特征脸方法(简称Sec-PCA方法)，即在原始图象向量集和余像向量集中分别用一次PCA方法。 

2004年，二维主分量分析(即2DPCA方法)在文献J.Yang，D.Zhang，F.Aledjandro，J.Y.Yang.Two-dimensional PCA：a new approach toappearance-based face representation and recognition.IEEE Trans.Patt.Anal.Mach.Intel，2004，26，1：131-137中被提出，并被应用于人脸识别。与传统的一阶特征脸方法相比，2DPCA大大降低了特征提取的时间，并获得较高的识别率。 

2DPCA仅提取了图像行方向的信息；事实上，也可以将2DPCA用于提取图像列方向的信息。文献D.Q.Zhang，Z.H.Zhou.2D(PC)²A：Two-directional two-dimensional PCA for efficient face representation and recognition.Neurocomputing，2004，25：1173-1181在图像的行、列两个方向同时应用2DPCA技术，提出了一阶(2D)²PCA方法，简称Fir-(2D)²PCA方法。与2DPCA方法相比，该方法进一步降低了特征提取的时间，并且其识别率略高于2DPCA的识别率。 

但是，上述的二阶特征脸方法以及二维主分量分析(2D)²PCA方法都有一定的局限性。二阶特征脸应用了两次PCA，而PCA基于高维的图像向量空间提取特征，往往需要较多的运行时间；而(2D)²PCA在光照变化较大时，受光照信息的干扰，识别精度不高。 

发明内容：

本发明所要解决的技术问题是，针对现有技术人脸识别方法中提取图像向量空间特征运行时间长，在光照变化较大时，识别精度不高等缺陷，提出一种新型的二阶双向二维特征脸(2D)²PCA人脸识别方法，简称二阶主分量分析方法sec-(2D)²PCA。本发明解决上述技术问题的技术方案是，基于二阶特征脸和(2D)²PCA两种方法，将(2D)²PCA分别应用到原始图像矩阵集和剩余图像矩阵集。