基于PCA+SVM人脸识别系统的设计与实现.docx
需积分: 5 138 浏览量
2022-10-19
10:16:42
上传
评论 1
收藏 473KB DOCX 举报
基于 PCA+SVM 人脸识别系统的设计与实现
1.1 题目的主要研究内容
（1）工作的主要描述
本文主要研究了利用主成分分析算法并结合支持向量机分类器实现对人脸
图像的识别，具体研究内容如下:
1.图像预处理。由于受到光照条件、拍摄角度、图像像素大小不同等因素的
影响，摄取到的人脸图像往往无法直接进行识别，为达到系统识别要求，提高识
别率，需要对获取的人脸图像进行预处理。图像预处理的过程包括图像的灰度变
换、图像直方图均衡化、图像的平滑处理、图像的几何归一化等。
2.特征提取。特征提取是人脸识别系统中最关键的技术之一,本文利用 SVD
定理算法对人脸进行特征提取和特征选择，进而建立一个降维后的特征人脸子空
间，降维后的人脸图像大大节省了系统的数据计算量，从而大大缩短了识别时间，
为系统的实时性提供了可行性。
3.特征识别。人脸图像的分类识别是人脸识别系统中的一个环节，即将待测
人脸图像的提取特征送给分类器和数据库中已提取的人脸特征相似度进行比较，
通过相似性和根据特定标准确定待测人脸的属性的过程来进行分类。传统的基于
PCA 的人脸识别算法利用距离函数实现人脸的分类，但该方法准确率较低，本
文引入 SVM 分类器，通过 SVM 分类器对人脸进行分类识别，并设计了基于
PCA+SVM 的人脸识别系统，通过仿真实验对改进后系统与传统的基于 PCA 的
人脸识别算法在识别率和识别速度进行了测试和比较，证明了改进后的基于
PCA+SVM 的人脸识别系统在识别率上要明显优于改进前的系统。
4.系统实现。本文对基于 PCA+SVM 的人脸识别系统进行了总体设计，并利
用 ORL 人脸数据库在 AI Studio 软件上运行 python 程序，对人脸识别系统的实
现进行仿真,最终实现人脸识别功能。
（2）系统流程图
剩余10页未读，继续阅读
资源评论
