主成分分析在人脸识别研究中的应用  

Face Recognition Method Based on Principal Component Analysis

作　　者：赵庆苓[1] 

机构地区：[1]电子科技大学自动化学院,四川成都611731

出　　处：《贵州大学学报（自然科学版）》2010年第5期67-71,共5页Journal of Guizhou University:Natural Sciences

基　　金：国家自然科学基金(60736038)

摘　　要：PCA(Principal Component Analysis),主成分分析方法,是一种得到广泛应用的人脸识别方法。PCA算法提供了一个高维和低维空间的线性变换矩阵,就是利用低维特征向量来表示原始样本信息,利用变换矩阵可以得到一个特征子空间,即特征脸。进行识别时,把待识别的人脸向其投影,采用最近邻法得到最近的点,最终识别该人的身份。PCA（Principal Component Analysis） is the most used method in human face recognition.PCA algorithm can get the linear transformation matrix which transform a high-dimensional to low-dimensional space,can approximate the original data with lower dimension feature vector.This transformation matrix can be used to obtain a subspace（eigenfaces）.When identifying,the face is projected to the subspace,using nearest neighbor method has been a recent point in order to identify the identity of the person.

关 键 词：PCA算法 主成分分析 人脸识别 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]