人工智慧。
計算機工程與設計
基於區域性人臉影象的ｉｃａ人臉識別方法
黃璞，陳才扣
（揚州大學資訊工程學院，江蘇揚州２２５００９）
摘要：提出了一種基於區域性人臉影象獨立分量分析的特徵提取方法。該方法將人臉影象分成若干個相等的部分，將分成
的區域性人臉影象矩陣作為訓練樣本，並先後從水平方向、垂直方向提取訓練樣本的獨立分量。相較於傳統的獨立分量分析
（ｉｃａ）方法，該方法具有如下優點：有效解決了傳統ｉｃａ在進行特徵抽取過程中的高維小樣本問題；將區域性人臉影象作為訓練樣本，這不僅增加了訓練樣本數，而且有利於提取人臉區域性特徵；依次從訓練樣本的水平方向、垂直方向提取訓練樣本特徵，使得提取的特徵不僅維數更小，而且能更有效地反映樣本的區域性資訊。以上優點使得提出的演算法較傳統方法在人臉識別方面更穩定，識別率更高，在ｙａｌｅ人臉庫和ａｒ人臉庫上驗證了該演算法的有效性。
關鍵詞：分塊；獨立分量分析（ｉｃａ）；主分量分析（ｐｃａ）；區域性特徵；特徵提取；人臉識別
中圖法分類號：ｔｐ３９１文獻標識碼：ａ文章編號
０引言特徵抽取技術一直是模式識別及計算機視覺領域的重要研究課題之一「，而如何有效地提取樣本中包含的資訊是特徵抽取的主要目的。主分量分析
構成，然後利用相應的演算法近似求出解混矩陣（混合矩陣的逆
矩陣），在進行人臉識別時，可利用該解混矩陣提取樣本的鑑別特徵。與ｐｃａ相比較，ｉｃａ需要考慮二階以上的高階統計
特徵，而高階統計特徵通常較二階統計特徵包含更多的樣本資訊，使用ｉｃａ對人臉影象提取的人臉特徵不僅比ｐｃａ在空間上更為區域性化，而且受人臉面部表情、姿勢、光照條件等外在因素的影響也較小，因此ｉｃａ可取得較ｐｃａ更好的識別效果。目前基於ｐｃａ和ｉｃａ相結合的特徵提取方法是最常用的人臉識別方法之一，它首先採用ｐｃａ方法對樣本進行去二
階相關處理，這一步也稱作白化，然後將白化後的資料進行
ｐｃａ）是使用的最廣的特徵抽取方法之一，它的基本思想是找到一組投影向量，使得樣本投影後總體協方差矩陣的跡最大，使用這種方法能夠有效地進行人臉識別，但是ｐｃａ在對
樣本進行特徵抽取過程中僅考慮了樣本的二階統計資訊，因此抽取的特徵並不能反映樣本的高階統計資訊。
獨立分量分析是近幾年發展起來的一種基於樣本高階統計資訊的特徵抽取方法，它屬於一種無監督的特徵抽取方法，其基本思想是首先假
ｉｃａ分解。然而，這種ｐｃａ與ｉｃａ相結合的方法需將原二維
影象矩陣轉換成一維向量後再進行運算，這樣做不僅破壞了
人臉影象的結構，而且由於訓練樣本中通常存在高維小樣本問題（即樣本維數較大，而可用樣本數相對較少），因此識別錯
定樣本集可由一組相互獨立的基向量及相應的混合矩陣相乘
收稿日期修訂日期：２０１０一ｏ１．２５。
**專案：國家自然科學**專案江蘇省教育廳自然科學**專案
作者簡介：黃璞（１９８５一），男，江蘇泰州人，碩士研究生，研究方向為模式識別；陳才扣（１９６７一），男，江蘇姜堰人，博士，副教授，研究方
向為模式識別理論與應用、生物特徵識別
黃璞，陳才扣：基於區域性人臉影象的ｉｃａ人臉識別方法
誤率較高。
本文提出的基於區域性人臉影象的ｉｃａ方法，它首先將人臉分成若干個相等的部分，然後直接將分成的每個區域性人臉影象作為訓練樣本，同時由於不同影象樣本的行和列均存在相關性」，所以本文方法先後從訓練樣本的水平方向、垂直方向提取獨立分量，相較於傳統的獨立分量分析（ｉｃａ）方法，所提方法具有如下優點：①有效解決了傳統ｉｃａ方法在特徵抽
（助＝ｃ－ｅ｛ｙ（七一１）ｙ））一３．１｝一１）
功＝㈣／
式中：ｃ＝ ｌ）——輸入資料ｌ，的協方差。
２５５１
（７）（８）
２基於區域性人臉影象的ｉｃａ方法
從前面對ｉｃａ演算法的簡介可以看出，在利用ｉｃａ對人臉樣本求解混矩陣時，需要將影象矩陣轉換成一維矩陣才能進
行，這樣做不僅破壞了人臉影象的結構，而且當可用樣本數遠
取過程中的高維小樣本問題；②將分塊後的區域性人臉影象作
為訓練樣本，這不僅增加了訓練樣本數，而且有利於提取人臉
遠小於樣本維數時（即高維小樣本問題）識別精確度較低，針對
這兩種情況，我們提出了基於區域性人臉影象的ｉｃａ改進方法，區域性特徵圳；③依次從訓練樣本的水平方向、垂直方向提取訓
練樣本特徵，使得提取的特徵不僅維數更小，而且能更有效地
反映樣本的區域性資訊。在ｙａｌｅ及ａｒ人臉庫上的實驗表明，相較於其它人臉識別方法，本文方法得到的人臉識別率更精
確，效率更高。
１獨立分量分析（ｉｃａ）的基本思想
對於一幅人臉影象，其重要資訊往往包含在它的高階統計資訊中，因此採用人臉影象的高階統計特徵進行人臉識別，則能取得較好的人臉識別效果，ｉｃａ正是一種基於樣本的高階統計資訊的特徵抽取方法，它假定樣本集可由一組相互獨
立的基向量及相應的混合矩陣相乘構成。假設有一組人臉訓
練樣本集
ｘｌ，－＂ ｝，按照ｉｃａ的思想，樣本集ｘ可以表示為
ｘ＝ａｓ
（１）式中：∈ ——第ｉ個樣本，ｉ＝１，２，…，
∈杴＜＜ ）是混
合矩陣，ｓ＝（一，）∈則是由一組相互獨立的基向量構
成的矩陣。
ｉｃａ演算法的目的就是求取解混陣，使其滿足下式
ｓ＝（２）
式中：——混合矩陣的逆矩陣，——獨立向量組的估計。利用ｉｃａ求取解混陣，具體操作如下：
（１）對樣本進行去二階相關處理，也可稱為對樣本進行白化操作
１）計算所有樣本的均值向量並中心化所有樣本ｔｋ
＝專∑∞
』（３）
，＝】將樣本集中所有減去ｘ可得 ＝，… ），其中ｘｉ＝ 一 ，
這步稱作中心化樣本。
２）求樣本集的協方差矩陣
ｃｏｖ＝專 ｉｉ ：去叉
（４）３）求白化矩陣
計算矩陣ｃｏｖ的特徵值與特徵向量，並選擇其中最大的ｐ個特徵值與特徵向量，將這ｐ個特徵值記為同時將其各特徵值對應的特徵向量（這些特徵向量
也稱作主分量）記為ｖｌ，，…，，則可得白化矩陣
ｐ＝ｖａ一｛
（５）其中 ＝（，…，，ａ為對角陣，且ａ＝ｄｉａｇ一 ）。
這樣對樣本進行去二階相關後的資料可表示為
ｌ，＝ ｘ
（６）（２）採用快速固定點迭代法「演算法計算解混矩陣
該方法將人臉分成若干個相等的部分，然後直接將分成的每
個區域性人臉影象作為訓練樣本，另外由於不同影象樣本的行和列間均存在相關性，所以先後從樣本的水平方向、垂直方向
提取獨立分量，其實施過程具體如下所述。
２．１將影象分塊
設ａ∈颯是一幅人臉影象，如果我們將該影象分割成三
個ｆｄ 「ｄ，１
相等的部分，則影象矩陣ａ可以表示為：ａ＝ｉ【ｉ；ｌｊ
，ｄ一．．ｄ其中ｄ ∈颯為二維矩陣，且ｅ＝ｍ／ｃ，產ｎ／ｄ，ｌ：ｐ廠。在實驗過程中，我們需將該影象分割而成的各個
區域性人臉影象作為訓練樣本，因此將這些分割成的二維矩陣
曩排成列的形式可得到其中
■ｂ「∞咖＝ｄ ｉ＝１２一
對於一組訓練樣本集按照每個樣
『斟鬻本按照上面所述步驟進行分割，我們可得到重新構造後的訓練樣本集 ＝
其中表示第ｉ幅
影象的分割後的射個部分。對於任意兩幅影象，其分割示意
圖如圖１所示。
曩研人曩
饕研髓圖１分塊
２．２基於區域性人臉影象的ｉｃａ方法
為更有效地提取人臉影象特徵，我們從分別從水平方向及垂直方向上對樣本進行ｉｃａ分解，其過程如下：
２．２．１從水平方向上提取訓練樣本的獨立分量
（１）求樣本均值並中心化訓練樣本
計算訓練樣本集的平均塊矩陣１ｋ￡
面（９）
將日中任意減去 ，得到中心化的訓練樣本集ｈ＝｛ｌ
上｝。（２）計算樣本協方差矩陣並求白化矩陣
ｇ＝剪（１ｏ）
計算機工程與設計
求解ｇ的ｐ個最大的特徵值及各特徵值對應的特徵向量，並將這ｐ個特徵值記為
，…。＞…＞ ），同時將其各
特徵值對應的特徵向量記為＇，１，，…，，則可得白化矩陣
ｐ＝一ｉ１
（１１）
其中為對角陣，且ａ＝ｄ／ａｇ
ｆ）。圖２ｙａｌｅ人臉庫中某人的６幅影象
這樣對於 ，白化後的資料為
樣訓練樣本總數為１５ｘｌ，測試樣本總數為利用最
ｚ＝ｊ ×
（１２）
（３）將ｚ作為輸入資料，則總輸入資料表示為
近鄰分類器進行分類，可得到本文方法在區域性人臉影象大小不同情況下的識別率以及本文方法與ｉｃａ、ｐｃａ方法的比較
＝結果如表１、表２所示。
採用式（７）、（８）計算解混矩陣 ，為計算方便，進行特徵抽
取時解混陣寫為
表１本文方法在不同區域性人臉影象大小下的識別率
ｗｎ＝×，
（１４）
樣本類別數
區域性人臉影象大小
其中ｗ．ｅ￣ｐ。
對訓練樣本集三｝中的每個，＝ｌ
訓練樣本進行獨立分量提取後變為
，＝５ｃｗ．ｘｂｊ
（１５）
注：括號內為投影矩陣大小
很明顯，ｃ 是從水平方向上對提取的獨立分量。
２．２．２從垂直方向上提取訓練樣本的獨立分量
表２本文方法與ｉｃａ、ｐｃａ方法最佳識別率對照
訓練樣本經水平方向上提取獨立分量後，樣本集變為｛ｆ樣本類別數
本文方法
ｉｃａｐｃａ
三｝，這時中的任意兩列是相互獨立的但是從垂直方向觀察樣本，ｃ；中任意兩行並不一定相互獨立，，＝３
為了消除中任意兩行之間的相關性，將作為訓練樣本並
注：括號內為投影矩陣大小
按照２．２．１中類似做法，得到解混矩陣
∈。將ｃ投影到ｗｖ上，得到獨立元特徵
分析：從表１可以看出，當時，實際上並沒有
ｓ ｃｊｗ／＝
ｗ／＝ｊ—ｂ）ｗ／
（１６）
採用區域性人臉影象作為訓練樣本而是直接採用原影象矩陣作為訓練樣本，從實驗結果可知此時並不能取得最佳識別率，而其中 ；∈ｇ 。
當採用區域性人臉作為訓練樣本時，例如：當訓練樣本數分別為
３特徵抽取及分類
１、３、５時，區域性人臉影象大小分別為
時取得了最佳識別率。從表２可知，在不
對於某一訓練樣本 。以及某一測試樣本 ，將及均
同訓練樣本下，本文方法取得了較其它方法更高的識別率，而分為個相等的部分，每個部分為大小等於ｃｘｄ的二維矩陣，
且即使在訓練樣本較少（如／－１、３）的情況下本文方法較其它方則及 『可表示成
法識別效果更顯著，另外本文方法相較於其它方法所需投影ａ ＝
，…，）
（１７）矩陣維數很少（，＝１、３、５時，本文方法維數分別為
（１８）
而其它方法則高達上萬維），從這點可以看
將 、按式（１６）提取獨立分量，得到對應的 、，ｊ＝１，出本文方法較其它方法計算更為方便。
２，－＇－工。計算總距離
４．２實驗二￡廠一
ａ（ａ』＝∑
．口，６）一
為了更有效地說明本文方法的穩定性與有較性，我們選
—擇在相較於ｙａｌｅ人臉庫樣本更多且人臉影象變化更大的ａｒ
其中 ，∈。
人臉庫進行幾種人臉識別演算法的比較分析。ａｒ人臉庫中共採用最近鄰分類器進行分類，那麼當鞏有１２０個人，每人有２６幅影象，總共含有３１２０幅影象，每幅時，與則屬於同一類。
影象解析度為５０ｘ４０，圖３為ａｒ庫中某人的６幅影象。從對４實驗
ａｒ相簿簡介中可以看出該影象庫中不僅所含影象較ｙａｌｅ人臉庫更多，而且比較圖２與圖３可知，該庫中人臉影象的面部４．１實驗一
表情、姿態以及影象的光照條件比ｙａｌｅ庫變化更大。
ｙａｌｅ人臉庫中包含１５人，每人１１幅影象，共有１６５幅圖
在此實驗中我們分別採用每人２６幅影象中的／－１、７幅圖
像，且每幅影象解析度均為１００ｘ８０畫素，該人臉庫中人臉面部表情、人臉姿態以及光照條件變化較大。圖２為ｙａｌｅ人臉
庫中某人的６幅影象。
在此實驗中，我們分別選取該庫中每人的前／＝１、３、５幅圖
譬 ■■爨
像作為訓練樣本，並將每人剩餘的１１－，幅影象作測試樣本，這
圖３ ａｒ人臉庫中某人的６幅影象
黃璞，陳才扣：基於區域性人臉影象的ｉｃａ人臉識別方法
像作為訓練樣本，將每人剩餘的２６一ｎ幅影象作為測試樣本，同
時我們將分塊大小（即區域性人臉影象大小）取為利用最近鄰分類器進行分類，可得本文方法與ｉｃａ、ｐｃａ的識別
參考文獻：
【１】曹麗，陳才扣．最大散度差無監督鑑別特徵抽取與人臉識別［ｊ］＿
計算機應用，２００８，２８（增刊
率比較結果如表３所示。
樣本數ｉ本文方法 ｉｌ：ｌ
ｌ＝７ｉｃａｌｐｃａ
［６］徐勇，張重陽，楊靖宇．主分量特徵與獨立分量特徵的人臉識別
實驗［ｊ】．計算機工程與設計
［８】姚雪梅，古麗拉，阿東別克．基於ｉｃａ和ｓｖｍ的區域性人臉識別
方法［ｊ］．現代計算機
［９］葉伊松，武妍．基於ｉｃａ和ｎｆｌ分類的區域性人臉識別方法［ｊ］．
中國圖象圖形學報
［１１］楊萬扣，王建國，任明武，等．基於分塊獨立成分分析的人臉識別
［ｊ］．計算機工程與應用
（上接第２４７２頁）
ｓａｍｓｕｎｇ公司
５結束語
詳細分析了￥３ｃ２４４０的ｌｃｄ控制器和ｓｈａｒｐ公司型ｌｃｄ螢幕搭配下的相關暫存器設定；介紹了￥３ｃ２４４０與其它型別的ｌｃｄ搭配下的設定方式；詳細說明了
周立功，陳明計，陳渝．ａｒｍ嵌入式ｌｉｎｕｘ系統構建與驅動開發範例【ｍ］．北京：北京航空航天大學出版社，２００６．
孫瓊．嵌入式ｌｉｎｕｘ應用程式開發詳解［ｍ】．北京：人民郵電出版社，２００６．
幾個方便移植引用的基本函式，給￥３ｃ２４４０的ｌｃｄ控制器的使用帶來了便利；給出了具體可行的例項，並用實踐驗證了此
方案的可行性。事實證明了相關暫存器配置的正確性以及函式執行的穩定性，方便了該晶元ｌｃｄ顯示方面的程式開發。
田澤．嵌入式系統開發與應用【ｍ］．北京：北京航空航天大學出版社，２００５．
周立功．ａｒｍ嵌入式系統基礎教程【ｍ］．北京：ｄｌ京航空航天大學出版社，２００５．
［１】萬永波，張根寶，田澤，等．基於ａｒｍ的ｌｃｄ控制器的配置與
馬忠梅，馬廣雲，田澤，等．ａｒｍ嵌入式處理器結構與應用基礎［ｍ］．北京：北京航空航天大學出版社，２００２．
劉淼．嵌入式系統介面設計與ｌｉｎｕｘ驅動程式開發【ｍ］．北京：
程式設計應用ｆｊ］．計算機工程與設計北京航空航天大學出版社，２００６．
基於內容的影象檢索報告
基於內容的影象檢索cbir content based image retrieval 設計背景 基於內容的影象檢索是計算機視覺領域中關注大規模數字影象內容檢索的研究分支。包括影象分析處理和影象分類檢索兩個部分。設計目標 利用所學知識和網路資源建立乙個簡單的cbir系統 乃至多功能的複雜系統 實現使...
基於CT影象肺實質分割的方法
作者 娜孜古麗 庫爾曼別克哈力旦 阿布都熱依木楊娜娜 科技創新與應用 2013年第15期 摘要 醫學影像研究的發展為現階段肺癌病例的分析提供了平台，對肺部ct影象進行病灶區域的分割工作是對病灶區域定位的關鍵步驟。文章改進的閾值分割演算法的基礎上，提出一種簡潔有效的基於模板卷積的ct肺實質割演算法 首...
基於影象的模擬相機標定方法的研究
長春理工大學碩士學位 姓名 張丹申請學位級別 碩士專業 通訊與資訊系統指導教師 段錦20080401 最 疊線綴合鬃分演算法 繪定一傑系列 籍最奪二黍法撅合褥裂黼數，轉 搖巍子使箕秘方誤麓 膩钁 最小，這可以通過式 繪如。膩姬 嘉羹陝一，純 擬合過程用來確定係數的最佳取值。也就是說，希望確定這些係數...