基于fast PCA和K-CV优化SVM的人脸识别算法研究

作者：朱强军; 汪慧兰; 张广海

来源：湖北民族大学学报(自然科学版), 2021, 39(02): 193-198.

DOI：10.13501/j.cnki.42-1908/n.2021.06.013

• 人脸识别
• 快速PCA
• 支持向量机
• 交叉验证
• 网格搜索法

为了解决支持向量机(Support Vector Machine, SVM)分类器人脸识别率不高的问题,提出了一种快速主成分分析法(fast Principal Component Analysis, fast PCA)与优化参数支持向量机分类器相结合的人脸识别算法.首先,在传统的PCA算法理论基础上提出一种快速PCA算法,用于人脸图像的降维和特征提取,减少特征提取时间,降低计算量,缩短SVM识别时间;其次,利用K折交叉验证法(K-fold cross-validation method,K-CV)联合改进的网格搜索法对SVM分类器最优参数进行搜索,减少最优参数搜索时间,提高算法人脸识别率和泛化能力.在ORL人脸库实验结果表明:该算法在每类训练样本数大于5时,人脸识别率为100%;在训练样本较少时,仍然保持较高识别率.与一般的SVM算法及PCA算法比较,该算法平均识别率提高了0.61%～8.92%.

• 单位
  安徽师范大学; 安徽师范大学皖江学院