【人脸识别】基于 Gabor+SVM和PCA+SVM实现人脸识别matlab源码含 GUI

1 简介

随着经济的快速发展,互联网的普及,信息安全逐渐被人们所重视。人脸识别技术作为保护信息安全的重要手段之一,也逐渐被研究学者所重视。人脸识别作为计算机视觉技术和生物特征识别技术的一个重要分支,模式识别与人工智能的一个重要领域,其主要任务是对静态图像或动态视频进行识别。如何快速的正确的对人脸进行识别是目前人脸识别课题的一个难题。人脸识别算法的选取直接关系到人脸识别的识别率。 本文首先介绍了国内外人脸识别的发展现状,并对人脸图像预处理方法进行了详细阐述。图像预处理的方法有很多,主要包括:灰度变换、图像锐化、图像的归一化、图像滤波、二值化等。 其次,本文对主成分分析(PCA)算法、二维主成分分析(2DPCA)算法、线性辨别分析(LDA)算法进行了研究,并对三种算法进行了融合,形成了"PCA—LDA"算法及"2DPCA—LDA"算法。通过三个实验,验证这几种算法的性能。 最后,本文对Gabor小波及支持向量机(SVM)进行了研究,Gabor小波具有良好的生物神经元细胞功能,对光照变化具有良好的自适应变化,SVM具有良好的分类效果,本文将Gabor小波和SVM与PCA算法及2DPCA算法相结合,提出了基于Gabor小波和SVM的PCA算法(Gabor+PCA+SVM)及基于Gabor小波和SVM的2DPCA算法(Gabor+2DPCA+SVM)。

Gabor+SVM：利用Gabor程序实现对人脸的特征提取，然后用SVM进行分类； 1 Gabor Gabor 特征提取算法可以在不同方向上描述局部人脸特征，对光照、遮挡以及表情变换等情况具有较强的鲁棒性，即Gabor算法在异常和危险情况下具有较强的系统生存的能力。

1.1 一维Gabor核： 其由一个高斯核与一个复数波的乘积定义为如下公式：