计算机识别人脸方法的分析及比较

人脸识别的研究在近几年得到了高度的重视,已然成为模式识别领域中最成功的应用之一。当下,随着社会的发展和科技的进步,人们迫切需求一个使用方便、性能可靠的自动人脸识别系统,人脸识别已受收到了众多的计算机科学工作者的广泛关注。人脸图像的维数通常都非常高,且人脸图像在高维空间中的分布很不紧凑,因而不利于分类,并且在计算上的复杂度也非常大。子空间分析的基本思想就是根据一定的目标来寻找一个线性子空间,把原始高维数据压缩到该低维子空间,使数据在此子空间内的分布更加紧凑,从而为数据的更好描述提供了手段,另外计算的复杂度也大大降低。近几十年来,国内外出现了大量的人脸识别相关算法,其中基于代数特征的人脸识别方法因计算复杂度低而成为最受欢迎的方法之一。PCA(Principal Component Analysis,PCA)和LDA(Linear Discriminant Analysis,LDA)是基于代数特征的两个经典方法,因此本文主要针对这两种基于代数特征的人脸识别方法进行了研究。