Face recognition is considered to be one of the mos t reliable biometric, when security issues are taken into concern. For this, feature extraction becomes a critical pro blem. Different methods are used for extraction of facial feature which are broadly classified into linear and nonlinear subspa ces. Among the linear methods are Linear Discrimina nt Analysis (LDA), Bayesian Methods (MAP and ML), Discriminative Commo n Vectors (DCV), Independent Component Analysis (ICA), Tensor faces Multi/Linear Singular Value Decomposition (SV D), Two Dimensional PCA (2DPCA), Two Dimensional LD A (2D/LDA) etc., but Principal Component Analysis (PCA) is con sidered to be one the classic method in this field. Based on this a brief comparison of PCA family is drawn, of which PCA, Ke rnel PCA (KPCA), 2DPCA and Two Dimensional Kernel ( 2DKPCA) are of major concern. Based on literature review re cognition performance of PCA family is analyzed usi ng the databases named YALE, YALE/B, ORL and CMU. Concluding remarks about testing criteria set by different authors as listed in literature reveals that K series of PCA produced be tter results as compared to simple PCA and 2DPCA on the aforementioned datasets.     

 [1]  Belhumeur  N.,  Hespanha  P.,  and  Kriegman  J.,  “Eigenfaces  vs.  Fisherfaces:  Recognition  using  Class  Specific  Linear  Projection,”  IEEE Transactions on Pattern Analysis and Machine Intelligence , vol. 19, no. 7, pp. 711-720, 1997. 

[2]  Cevikalp  H.,  Neamtu  M.,  Wilkes  M.,  and  Barkana  A.,  “Discriminative  Common  Vectors  for  Face  Recognition,”  IEEE Transactions on Pattern Analysis and Machine Intelligence , vol.  27, no. 1, pp. 4-13, 2005.  A Survey: Linear and Nonlinear PCA Based Face Recognition Techniques 543  

[3] Chen  S.,  Shan  T.,  and  Lovell  C.,  “Robust  Face  Recognition  in  Rotated  Eigenspaces,”  in Proceedings of Image and Vision Computing New Zealand , New Zealand, pp. 1-6, 2007. 

[4]  Chen  S.,  Sun  Y.,  and  Yin  B.,  “A  Novel  Hybrid  Approach  Based  on  Sub-Pattern  Technique  and  Extended  2DPCA  for  Color  Face  Recognition,”  in Proceedings  of the  11 th IEEE International Symposium on Multimedia , China,  pp.  630-634,  2009. 

[5]  Cong-De L., Yu-Lei C., and Bin-Bin H., “Kernel  Based  2D  Symmetrical  Principal  Component  Analysis for Face Classification,”  in Proceedings of the 7 th International Conference on Machine Learning and Cybernetics ,  Kunming,  vol.  1,  pp.  442-447, 2008. 

[6]  Epstein  R.,  Hallinan  P.,  and  Yuille  A.,  “5±2  Eigenimages  Suffice:  An  Empirical  Investigation  of  Low-Dimensional  Lighting  Models,” in Proceedings of the Workshop on Physics Based Modeling in Computer Vision ,  Cambridge, pp.  108-116, 1995. 

[7]  Graham  F.,  Dueck  J.,  Funt  B.,  and  Drew  M.,  “Color  Eigenfaces,” in Proceedings of  IEEE 3 rd International Workshop on Image and Signal Processing Advances in Computational Intelligence , UK, pp. 607-610, 1996. 

[8]  Fukunaga    K.,    Introduction to Statistical Pattern Recognition ,  Academic  Press  Professional, USA, 1990.

[9]  Gottumukkal  R.  and  Asari    K.,  “An  Improved  Face  Recognition  Technique  Based  on  Modular  PCA  Approach,”  Pattern Recognition Letters , vol. 25, no. 4, pp. 429-436, 2004. 

[10]  Gross    R.,    Matthews  I.,  and    Baker  S.,    “Eigen  Light-Fields and Face Recognition Across Pose,”  in Proceedings of the 5 th IEEE International Conference on Automatic Face and Gesture Recognition , Washington, pp. 1-7, 2002. 

[11]  Hallinan  W.,  “A  Low-Dimensional  Representation  of  Human  Faces  for  Arbitrary  Lighting  Conditions,”  in Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition , Seattle, pp. 995- 999, 1994. 

[12]  He  X.,  Yan  S.,  Hu  Y.,  Niyogi  P.,  and  Zhang  H.,  “Face  Recognition  using  Laplacianfaces,” IEEE Transactions on Pattern Analysis and Machine Intelligence , vol. 27, no. 3, pp. 328-340, 2005. 

[13]  Hjelmas E. and Wroldsen J., “Recognizing Faces  from  the  Eyes  Only,”    in Proceedings of the 11 th Scandinavian Conference on Image Analysis ,  pp.  1-5, 1999. 

[14]  Jaam  J.,  Rebaiaia  M.,  and  Hasnah  A.,  “A  Fingerprint  Minutiae  Recognition  System  Based  on  Genetic  Algorithms,”  International Arab Journal Information Technology , vol.  3,  no.  3,   pp. 242-248, 2006. 

[15]  Kirby  M.  and  Sirovich  L.,  “Application  of  the  Karhunen-Loeve  Procedure  for  the  Characterization  of  Human  Faces,” IEEE Transactions on Pattern Analysis and Machine Intelligence , vol. 12, no. 1, pp. 103-108, 1990. 

[16]  Kong  H.,  Li X.,  Wang  L., Teoh  E., Wang J.,  and  Venkateswarlu  R.,  “Generalized  2D  Principal  Component  Analysis,”  in Proceedings of  International Joint Conference on Neural Networks , Canada, vol. 1, pp. 108-113, 2005. 

[17]  Kong H., Wang L., Teoh K., Li X., Wang J., and  Venkateswarlu  R.,  “Generalized  2D  Principal  Component  Analysis  for  Face  Image  Representation  and  Recognition,”  Neural Networks , vol. 18, no. 5-6, pp. 585-594, 2005. 

[18]  Li  J.,  Zhao  B.,  and  Zhang  H.,  “Face  Recognition  Based  on  PCA  and  LDA  Combination  Feature  Extraction,”  in Proceedings of the  1 st International Conference on Information Science and Engineering , Nanjing, pp. 1240-1243, 2009. 

[19]  Liang Y., Lai J., Zou Y., Zheng W., and Yuen P.,  “Face  Hallucination  Through  Kpca,”  in Proceedings of the 2 nd International Congress on Image and Signal Processing , Tianjin, pp.  1-5,  2009. 

[20]  Liu  C.,  “Gabor-Based  Kernel  PCA  with  Fractional  Power  Polynomial  Models  for  Face  Recognition,”  IEEE Transactions on Pattern Analysis and Machine Intelligence , vol. 26, no. 5,  pp. 572-581, 2004. 

[21]  Liu  N.,  Wang  H.,  and  Yau  W.,  “Face  Recognition  with  Weighted  Kernel  Principal  Component  Analysis,”  in Proceedings of the 9 th International Conference on Control, Automation , Robotics and Vision ,  Singapore,  pp.  1-5, 2006. 

[22]  Lu  C.,  Zhang  C.,  Zhang  T.,  and  Zhang  W.,  “Kernel  Based  Symmetrical  Principal  Component  Analysis  for  Face  Classification,”  Neurocomputing , vol.  70,  no.  4-6,    pp.  904-911,  2007. 

[23]  Lu  J.,  Plataniotis  N.,  and  Venetsanopoulos  N.,  “Face  Recognition  using  Kernel  Direct  Discriminant  Analysis  Algorithms,” IEEE Transactions on Neural Networks , vol.  14,  no.  1,  pp. 117-126, 2003. 

[24]  Matthew  T.,  “A  Random  Walk  Through  Eigenspace,”  IEICE Transactions on Information and Systems , vol.  84,  no.  12,  pp.  1586-1595,  2001. 

[25]  Moon  H.  and  Phillips  J.,  “Computational  and  Performance  Aspects  of  PCA-Based  Face- Recognition  Algorithms,”  Perception,  vol.  30,  no. 3, pp. 303-322, 2001. 

[26]  Murase  H.  and  Nayar  K.,  “Visual  Learning  and  Recognition  of  3-D  Objects  from  Appearance,”  International Journal of Computer Vision , vol.  14, no. 1, pp. 5-24, 1995.  544 The International Arab Journal of Information Tech nology, Vol. 10, No. 6, November 2013

[27] Murtaza  M.,  Sharif  M.,  Raza  M.,  and  Shah  J.,  “Face  Recognition  using  Adaptive  Margin  Fisher’s  Criterion  and  Linear  Discriminant  Analysis,”  International Arab Journal of Information Technology , vol.  11,  no.  2,  pp.  1-11,  2014. 

[28]  Nayar  K.,  Nene  A.,  and  Murase  H.,  “Subspace  Methods  for  Robot  Vision,”  IEEE Transactions on Robotics and Automation , vol.  12,  no.  5,    pp.  750-758, 1996. 

[29]  Nhat  V.  and  Lee  S.,  “Improvement  on  PCA  and  2DPCA  Algorithms  for  Face  Recognition,”  in Proceedings of Lecture Notes in Computer Science , Berlin , pp. 568-577, 2005. 

[30]  Nhat  V.  and  Lee  S.,  “Kernel-Based  2DPCA  for  Face  Recognition,”  in Proceedings of IEEE International Symposium on Signal Processing and Information Technology , Gaza,  pp.  35-39,  2007. 

[31]  Nicholl  P.  and  Amira  A.,  “DWT/PCA  Face  Recognition  using  Automatic  Coefficient  Selection,”  in Proceedings of the  4 th IEEE International Symposium on Electronic Design, Test and Applications , Hong  Kong, pp.  390-393,  2008. 

[32]  Pang  Y.,  Tao  D.,  Yuan  Y.,  and  Li  X.,  “Binary  Two-Dimensional  PCA,” IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics , vol. 38, no. 4, pp. 1176-1180, 2008. 

[33]  Pentland  A.,  Moghaddam  B.,  and  Starner  T.,  “View-Based  and  Modular  Eigenspaces  for  Face  Recognition,”  in Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition , Seattle, pp. 84-91, 1994. 

[34]  Pereira  J.,  Cavalcanti  G.,  and  Ren  T.,  “Modular  Image  Principal  Component  Analysis  for  Face  Recognition,”  in Proceedings of International Joint Conference on Neural Networks ,  USA,  pp.  2481-2486, 2009. 

[35]  Poon  B.,  Amin  M.,  and  Yan  H.,  “PCA  Based  Face  Recognition  and  Testing  Criteria,”  in Proceedings of the 8 th International Conference on Machine Learning and Cybernetics ,  Baoding, vol. 5, pp. 2945-2949, 2009. 

[36]  Qader  H.,  Ramli  R.,  and  Al-Haddad  S.,  “Fingerprint  Recognition  using  Zernike  Moments,”  International Arab Journal of Information Technology , vol.  4,  no.  4,  pp.  372- 376, 2007. 

[37]  Schölkopf  B.,  Smola  A.,  and  Müller  K.,  “Nonlinear  Component  Analysis  as  a  Kernel  Eigenvalue  Problem,”  Neural Computation, vol.  10, no. 5, pp. 1299-1319, 1998. 

[38]  Sharif  M.,  Javed  M.,  and  Mohsin  S.,  “Face  Recognition Based on Facial Features,”  Research Journal of Applied Sciences , Engineering and Technology , vol. 4, no. 17, pp. 2879-2886, 2012. 

[39]  Sharif  M.,  Mohsin  S.,  Jamal  M.,  and  Raza  M.,  “Illumination  Normalization  Preprocessing  for  Face  Recognition,”  in Proceedings of the 2 nd  Conference on  Environmental Science and Information Application Technology , Wuhan, vol. 2, pp. 44-47, 2010. 

[40]  Sharif  M.,  Mohsin  S.,  and  Javed  M.,  “Real  Time  Face  Detection  using  Skin  Detection  (Block  Approach),”  Journal of Applied Computer Science and Mathematics ,  vol.  5,  no.  10, pp.  75- 81, 2011. 

[41]  Sharif  M.,  Mohsin  S.,  Javed  M.,  and  Ali  M.,  “Single  Image  Face  Recognition  using  Laplacian  of  Gaussian  and  Discrete  Cosine  Transforms,”  International Arab Journal of Information Technology , vol. 9, no. 6, pp. 562-570, 2012. 

[42]  Shashua  A.,  “Geometry  and  Photometry  in  3D  Visual  Recognition,”  PhD Thesis,  Massachusetts  Institute of Technology Cambridge, USA, 1992. 

[43]  Sirovich  L.  and  Kirby  M.,  “Low-Dimensional  Procedure  for  the  Characterization  of  Human  Faces,”  Jorurnal of Optical Society of America , vol. 4, no. 3,  pp. 519-524, 1987. 

[44]  Hongta  S.,  Feng  D.,  and  Zhao  R.,  “Face  Recognition  using  Multi-Feature  and  Radial  Basis  Function  Network,”  in Proceedings of the Pan/Sydney Area Workshop on Visual Information Processing ,  Sydney,  pp.  183-189,  2002. 

[45]  Sun  Z.,  Yang  W.,  Sun  C.,  and  Shen  J.,  “Face  Recognition  using  DT-CWT  Feature-Based  2DPCA,”  in Proceedings of  Chinese Conference on Pattern Recognition ,  Chongqing,  pp.  1-5,  2010. 

[46]  Swets  L.  and  Weng  J.,  “Using  Discriminant  Eigenfeatures  for  Image  Retrieval,”  IEEE Transactions on Pattern Analysi s and Machine Intelligence , vol. 18, no. 8, pp. 831-836, 1996.

[47]  Tang  F.,  Crabb  R.,  and  Tao  H.,  “Representing  Images  using  Nonorthogonal  Haar-Like  Bases,”  IEEE Transactions on Pattern Analysis and Machine Intelligence , vol.  29,  no.  12,  pp.  2120- 2134, 2007. 

[48]  Tao  H.,  Rui  L.,  and  Mei-Juan  Z.,  “Face  Recognition  under  Complex  Conditions,”  in Proceedings  of  International Conference on Electrical and Control Engineering ,   Wuhan, pp.  960-963, 2010. 

[49]  Turk  M.  and  Pentland  A.,  “Eigenfaces  for  Recognition,”  Journal of Cognitive Neuroscience , vol. 3, no. 1, pp. 71-86, 1991. 

[50]  Wang  L.,  Wang  X.,  and  Feng  J.,  “On  Image  Matrix  Based  Feature  Extraction  Algorithms,” IEEE Transactions on Systems , Man, and Cybernetics, Part B: Cybernetics , vol.  36,  no.  1,  pp. 194-197, 2006. 

[51]  Wang  X.,  Huang  C.,  Fang  X.,  and  Liu  J.,  “2DPCA  vs.  2DLDA:  Face  Recognition  using  A Survey: Linear and Nonlinear PCA Based Face Recognition Techniques 545   Two-Dimensional  Method,”  in Proceedings of International Conference on Artificial Intelligence and Computational Intelligence , Shanghai, vol. 2, pp. 357-360, 2009. 

[52]  Wang  Y.  and  Zhang  Y.,  “Facial  Recognition  Based on Kernel PCA,”  in Proceedings of the 3 rd International Conference on Intelligent Networks and Intelligent Systems , Shenyang,  pp.  88-91,  2010. 

[53]  Wang  Z.  and  Li  X.,  “Face  Recognition  Based  on  Improved  PCA  Reconstruction,”  in Proceedings of the  8 th World Congress on Intelligent Control and Automation ,  Jinan, pp. 6272-6276, 2010. 

[54]  Wei  X.,  Sheng  Y.,  Qi  W.,  and  Ming  L.,  “Face  Recognition  Based  on  Wavelet  Transform  and  PCA,”  in Proceedings of  Pacific/Asia Conference on Knowledge Engineering and Software Engineering , Shenzhen,  pp.  136-138,  2009. 

[55]  Xiao-Jie  W.,  “Modular  PCA  Based  on  Within- Class  Median  for  Face  Recognition,”  in Proceedings  of  the  3 rd IEEE International Conference on Computer Science and Information Technology , Chengdu, vol. 1, pp. 52- 56, 2010. 

[56]  Xu  A.,  Jin  X.,  Jiang  Y.,  and  Guo  P.,  “Complete  Two-Dimensional PCA for Face Recognition,”  in Proceedings of   the 18 th International Conference on Pattern Recognition , Hong  Kong, vol.  3,  pp.  481-484, 2006. 

[57]  Yang J., Zhang D., Frangi F., and Yang J., “Two- Dimensional  PCA:  A  New  Approach  to  Appearance-Based  Face  Representation  and  Recognition,”  IEEE Transactions on Pattern Analysis and Machine Intelligence , vol. 26, no. 1,  pp. 131-137, 2004. 

[58]  Yang      M.,    “Kernel        Eigenfaces      vs.      Kernel  Fisherfaces:    Face      Recognition      using      Kernel   Methods,”  in Proceedings of the 5 th IEEE International Conference on Automtic Face and Gesture Recognition , USA, pp. 215-220, 2002. 

[59]  Zhang  D.,  Zhou  Z.,  and  Chen  S.,  “Diagonal  Principal  Component  Analysis  for  Face  Recognition,”  Pattern Recognition , vol. 39, no. 1,  pp. 140-142, 2006. 

[60]  Zhang J., Fei X., and Zhang Y., “A New Method  for  Face  Recognition  Based  on  PCA  Optimize  Strategy,” in Proceedings of  International Conference on Computer Application and System Modeling , Taiyuan, vol. 10, pp. 417-420, 2010.  

[61]  Zhao W., “Discriminant Component Analysis for  Face  Recognition,”  in Proceedings of the 15 th  International Conference on Pattern Recognition , Barcelona, vol.  2,  pp.  818-821,  2000. 

[62]  Zheng  W.,  Lai  H.,  and  Li  Z.,  “1D-LDA  vs.  2D- LDA:  When  is  Vector-Based  Linear  Discriminant  Analysis  Better  Than  Matrix- Based?,”  Pattern Recognition , vol.  41,  no.  7,  pp.  2156-2172, 2008.