3  线性判别分析 13

3．1  判别分析 13

3．2  Fisher线性判别 15

4  核方法在人脸识别中的应用 15

4．1  核方法基本概念 15

4．2  GDA 16

4．3  直接LDA（ D- LDA ） 17

4．4  KDDA 18

5  核方法在人脸识别中的应用 19

6  实验仿真与结果 20

1  绪论

    社会交往中，人脸大多数担当着人们身份证的作用。它就像是你的名片，让人一眼就能认出你。而且不管你是换了发型还是表情，人们总是还能辨别出来，这是一种很强的鲁棒性。把这种能力赋予于机器，就是所谓的人脸识别技术。人的脸部是鉴别一个人身份的重要特征。世界上没有完全相同的两片叶子，也没有两张完全相同的人脸。人脸的识别在某些方面就大有可为了。唯一性, 便捷性，直接性等特点让人脸识别技术在海关系统,公安系统,交通系统,金融系统等方面得到了广泛的应用。而且其商业应用价值的作用也日益显现出来，譬如信用卡及自动取款机的身份核对。相较于指纹、虹膜视、网膜等其他人体特征，人脸识别具有更加友好的特点，不会给人以特别的心理影响，易于被人们所接受。

1．1  人脸识别的研究内容

人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别即给定一个静止或动态的图像，利用人脸数据库的数据来确认图像中的人。它主要研究以下5个方面的内容：

1.1.1  人脸表征(FaceRepresentation)

确定表示检测出来的人脸和人脸数据库中已知的人脸的描述方式。常用的表示方法包含几何特征(如：曲率，角度，欧式距离等)，代数特征(如矩阵特征矢量)以及固定特征，特征脸等[1]。

1.1.2  人脸检测（FaceDetection)文献综述

人脸检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。怎样从各种不同背景当中检测出人脸的存在并且确定其位置。这主要受到噪声、光照、头部倾斜度及各种遮挡的影响[2]。一般有下列几种方法：参考模板法、人脸规则法、样品学习法、肤色模型法、特征子脸法等。

1.1.3  人脸鉴别(FaceIdentification)

这就是一般所提到的人脸识别，令需要辨识的人脸图像与数据库中已知的人脸进行比较，获得相关信息，最终确定为数据库里的哪个人。其中最重要的是选择适当的人脸表示方式及匹配策略。

1.1.4  表情分析(FacialExpressionAnalysis)

即是对人脸的表情加以分析并分类。由于人脸的非刚体性质以及人与人之间的个性、种族等方面的差别,人脸表情的自动分析与识别具有相当的难度。

1.1.5  物理分类(PhysicalClassification)

对待识别的人脸物理特征加以分类，得出其性别、年龄、种族等相关的信息。人脸的检测定位、人脸的特征提取以及分类识别几个部分是现在研究工作的主要部分，尚有很多没有解决的问题，物理分类及表情分析方面的研究相对较少，现在还尚处于初步阶段。因此，一般意义上提及的人脸识别系统，并不包括物理分类和表情分析这两部分，只包括人脸的特征提取、人脸检测与定位、分类识别这几部分，如图1-1所示。