论文总字数：25220字

摘 要

人脸识别是目前模式识别领域中一个非常活跃的研究课题。它是通过比较人的脸部特征信息之间的差别进而完成身份辩别的一种生物识别手段。在出入口控制、信息安全、刑事侦破等领域展现了优异的应用价值。具有广阔的市场前景。主元分析法是一种简化数据集并对数据进行分析的技术，是一种通过使用少量特征向量描述样本来达到降低特征空间维数的技术。支持向量机是统计学习理论中最实用的部分，也是最年轻的内容，是一种有效的、新型的机械学习方法。本课题针对时下热门的研究方向，基于支持向量机在处理小样本、高维数及泛化性能强等方面的优势以及主元分析法出色的降维功能的情况下，同时使用了主元分析法和支持向量机来完成人脸识别。在通过直方图均衡化、人脸扶正、归一化完成图像预处理的前提下，使用主元分析法提取人脸特征，降低人脸数据维数，在满足识别需求的前提下，以少量特征向量表示人脸。再利用支持向量机构造分类函数，采用一对多的策略对提取的人脸特征向量进行分类识别。本课题以英国剑桥大学的ORL人脸数据库进行仿真，结果达到了预期的效果。

关键字：人脸识别,图像预处理,主元分析法,支持向量机

Face recognition based on principal component analysis and support vector machine

Abstract

Face recognition is a very active research topic in the field of pattern recognition.It is a biometric identity debate through comparing the differences between people's facial features information.It shows excellent application value in access control, information security, criminal detection, and other fields.Has a broad market prospect.Principal component analysis method is a technology of simplifying the data and analyzing the data,and is a technology of describing a face by using a small amount of feature vector samples to reduce the dimension of feature space.Support vector machine is the most practical part of the statistical learning theory,and is also the most young content,and is an effective and new type of machine learning methods.This topic in view of the current hot research direction,based on the advantage of support vector machine in the treatment of the small sample, high dimension and better generalization performance and the function of principal component analysis in dimension reduction,at the same time using the principal component analysis and support vector machine to complete the face recognition.Through histogram equalization, normalization of face the centralizer, under the premise of complete image preprocessing,using principal component analysis method to extract face feature, face data dimension reduction, on the premise of meet the demand of identification, with a small amount of face feature vector.Using support vector classification function, one-to-many strategy is used to extract face feature vectors for classification.This topic at the university of Cambridge ORL face database, the simulation results reach the expected effect.

Key Words: Face recognition, Image preprocessing, Principal component analysis, Support vector machine

目 录

摘 要 I

Abstract II

目 录 III

第一章 绪论 1

1.1研究背景及意义 1

1.2人脸识别的发展历史 1

1.3论文使用的研究方法 2

1.4 论文内容与结构安排 4

第二章 主元分析法与支持向量机 5

2.1 主元分析法 5

2.1.1 主元分析法基本理论与背景 5

2.1.2 主元分析法算法原理 6

2.2 支持向量机 7

2.2.1 支持向量机基本理论与背景 7

2.2.2 支持向量机算法原理 7

2.3 小结 12

第三章 基于主元分析法的人脸特征提取 13

3.1 图像预处理 13

3.1.1 人脸扶正 13

3.1.2 图像增强 13

3.1.3 归一化 14

3.2 人脸检测 15

3.3 特征提取 15

3.4 实验结果 16

3.5 小结 18

第四章 支持向量机与人脸识别 19

4.1 实验流程与相关程序 19

4.2 GUI简介与相关程序 23

4.3 实验结果 24

4.3 小结 27

第五章 总结与展望 29

5.1 总结 29

5.2 展望 29

参考文献 30

附录 32

致谢 34

请支付后下载全文，论文总字数：25220字