基于PCA与SVM的人脸识别技术

作者：张庶^*; 李子月; 刘玉超; 李琳; 韩文

来源：指挥与控制学报, 2019, 5(03): 249-253.

• 人脸识别
• PCA
• SVM
• 高斯核函数
• 交叉验证

主成分分析(Principal Component Analysis, PCA)算法能够将高维问题简化成低维问题,具有简单、快速,且主成分之间相互正交,可消除原始数据成分间的影响,基于PCA算法的人脸识别技术能够在一定程度上去除光照、姿态、遮挡产生的噪音.使用核函数的支持向量机(Support Vector Machine, SVM)方法能够解决非线性问题,具备良好的分类效果.该算法结合PCA和SVM方法,先对未训练的图片进行PCA降维及特征提取,然后将特征输入到使用高斯核函数的SVM中进行训练. SVM分类器的性能采用10折交叉验证法进行验证.该方法较为适合工业园区无人巡逻车等对识别速度有较高要求的场景.

• 单位
  信息工程大学; 中国指挥与控制学会; 中国航天员科研训练中心; 南京航空航天大学