本文介绍了基于PCA和SVM的人脸识别方法，通过MATLAB工具软件进行仿真计算。PCA用于降维，SVM用于分类。在ORL人脸库上进行实验，最终识别准确率为83.9024%。程序包括训练集数据处理、模型建立和测试，采用一对一投票策略解决多类分类问题。
⛄一、简介
1 PCA-SVM原理
1.1 主成分分析PCA
本文处理的所有原始图片都是112x 92大小的pgm格式图片， 每幅图片包含10304个像素点， 每一行代表一个样本，维数就是10304维。维数过大使得数据处理工作十分复杂，同时，图片特征之间的强相关性还会导致“维数灾难”。快速高效的人脸识别，其关键在于提取到精准表征人脸的特征。从人脸图像中找出最能表征人脸的特征空间，是主成分分析(Principal Component Analysis， PC A) [2] 在人脸特征提取中的基本思想。在这个过程中， 不能表征人脸的属性会被剔除(降维的过程)，也就是在一个高维特征空间中利用一组系数对特征加权，来重新表示一张人脸图片。PCA过程的数学描述如下：
订阅专栏 解锁全文
扫一扫
2095
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
