人脸识别论文阅读综述报告
1论文的基本信息
ZhouDLGaoWZhaoDBFacerecog
itio
basedo
si
gularvaluedecompositio
a
dDiscrimi
a
tKLprojectio
。Jour
alofSoftware2003144783789
2论文要解决的问题及其重要性
本文提出了一种人脸识别的方式，人脸识别在理论和技术上都有重要的作用：一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。同时人脸识别作为一种生物体征识别与其它较成熟的识别方法相比有以下几个优点：①无侵犯性，人脸图像的获取不需要被检测人发生身体接触，可以在不惊动被检测人的情况下进行；②低成本、易安装，人脸识别系统只需要采用普通的摄像头、数码摄像机或手机上的嵌入式摄像头等被广泛使用的摄像设备即可，对用户来说也没有特别的安装要求；③无人工参与，整个人脸识别过程不需要用户或被检测人的主动参与，计算机可以根据用户预先的设置自动进行。
本文在彩色人脸图像上进行人脸识别，之前大多数人脸识别算法都是基于灰度图片的人脸识别，而真实的人脸图像是彩色的，这些色彩提供了比灰度人脸图像更为丰富的信息。目前，随着计算机技术的迅猛发展，彩色图像的处理已成为人们研究的热门课题。然而，由于灰度图像具有易于处理的特点，且大多数经典的图像处理方法都基于灰度图像，因此，如果将一幅彩色图像经过某种变换转换成灰度图像，使该灰度图像中包含原彩色图像中的绝大多数特征信息，那么，后续处理就可以采用经典的图像处理方法，大大减少了计算量。
3论文提出的解决方案以及效果
解决方案：本文提出的算法采用模拟KL变换、奇异值分解（SVD）、主分量分析（PCA）
和Fisher线性判别（FLD）分析技术来提取最终特征。奇异值分解是一种有效的代数特征提取方法。由于奇异值特征在描述图像时
是稳定的，且具有转置不变性、旋转不变性、位移不变性、镜像变换不变性等重
f要性质，因此奇异值特征可以作为图像的一种有效的代数特征描述。基于主成分分析的人脸识别方法也称为特征脸方法。该方法将人脸图像按行
列展开所形成的一个高维向量看作是一种随机向量，因此可以采用KL变换获得其正交KL基底。对应于其中较大特征值的基底具有与人脸相似的形状，故称其为特征脸。利用相对较小的Eige
face集描述人脸，这样每幅人脸图像就对应于一个维数较低的权向量，因此，人脸识别可以在降维后的空间上进行。然而r