基于改进PCA+SVM的人脸识别系统

作者：彭荣杰; 彭亚雄; 陆安江

来源：电子科技, 2021, 34(12): 56-61.

DOI：10.16180/j.cnki.issn1007-7820.2021.12.010

• 人脸识别
• 主成分分析
• 核主成分分析
• Gamma校正法
• 支持向量机
• 降维
• 分类识别
• GUI

PCA算法对数字图像处理人脸识别率不高,且无法处理人脸的非线性特征。针对这一问题,文中在原有PCA算法的基础上提出了基于KPCA并结合SVM的人脸识别研究方法。该方法通过利用核改进PCA后的KPCA算法的内部非线性核函数提取人脸面部轮廓,处理非线性特征数据并降低数据维数,有效减少特征数据存储所需的空间并提高了运算能力。然后,再结合SVM分类器进行分类识别,可较好地提高系统识别率。实验结果表明,文中所提算法在ORL人脸库中的识别率为95.16%,在Yale人脸库中识别率为95.10%。在MATLAB平台上搭建的系统能正确识别出人脸,证明了文中所提系统的可行性,为实际研究提供了参考。

• 单位
  贵州大学