实验三
用支持向量机进行人脸识别
一、实验目的
1
.掌握支持向量机(
SVM
)的原理、核函数类型选择以及核参数选择原则
等;
2
.熟悉人脸识别的一般流程与常见识别方法;
3
.熟悉不同的特征提取方法在人脸识别的应用;
4
.了解在实际的人脸识别中,学习样本数等参数对识别率的影响;
5
.了解非人脸学习样本库的构建在人脸识别的重要作用。
二、实验内容
1
.构建非人脸学习样本库;
2
.观测不同的特征提取方法对人脸识别率的影响;
3
.观测不同的学习样本数对人脸识别率的影响;
4
.观测支持向量机选用不同的核函数(线性核或径向基核)后对人脸识别
率的影响;
5
.观测支持向量机选用不同的核参数后对人脸识别率的影响。
三、实验仪器、设备
1
.
PC
机-系统最低配置
512M
内存、
P4 CPU
;
2
.
Matlab
仿真软件
-
7.0 / 7.1 / 2006a
等版本的
Matlab
软件。
3
.
CBCL
人脸样本库;
四、实验原理
1
.
人脸识别:
人脸识别也就是利用计算机分析人脸图象,
进而从中提取出有效的识别信息
,
用来
“
辨认
”
身份的一门技术。
人脸识别技术应用背景广泛,
可用于公安系统的罪
犯身份识别、
驾驶执照及护照等与实际持证人的核对、
银行及海关的监控系统及
自动门卫系统等。
常见的人脸识别方法包括基于
KL
变换的特征脸识别、
基于形状和灰度分离
的可变形模型识别、
基于小波特征的弹性匹配、
基于传统的部件建模识别、
基于
神经网络的识别、基于支持向量机的识别等。其中特征脸方法、神经网络方法、
基于支持向量机的方法等是基于整体人脸的识别,
而基于提取眼睛等部件特征而