基于支持向量机(svm)的人脸识别技术研究.pdf

编号 南京航空航天大学金城学院 毕业设计 基于支持向量机（SVM）的人脸识别技术 题 目 研究 学生姓名 学 号 系 部 专 业 班 级 指导教师 二〇一六年五月 1 南京航空航天大学金城学院 本科毕业设计（论文）诚信承诺书 本人郑重声明：所呈交的毕业设计（论文）（题目：基于支持向量机（SVM ）的人脸识 别技术研究）是本人在导师的指导下独立进行研究所取得的成果。尽本人所知，除了毕 业设计（论文）中特别加以标注引用的内容外，本毕业设计（论文）不包含任何其他个 人或集体已经发表或撰写的成果作品。 作者签名： 2016 年5 月10 日 （学号）： 2 毕业设计（论文）报告纸 基于支持向量机（SVM）的人脸识别技术研究 摘 要 人脸识别是生物特征识别中非常热门的研究方向,人员身份鉴别在社会各界得到极 为广泛的应用，是计算机与模式识别相结合的课题。支持向量机方法具有非常多的优点， 比如，全局最优、结构简单、推广能力强等，因此支持向量机取得了广泛的研究与发展。 人脸具有形变大，影响因素多，特别是易受干扰的特点。本文针对于人脸数据库,分别 对特征提取和支持向量机算法进行了改进,使其更适合解决人脸识别的问题。 本文首先研究人脸识别技术的研究内容和常见的几种人脸识别的方法；然后研究了 基于主成分分析法、gabor小波表示法以及小波降维法的人脸表示方法，对这三种算法 进行比较，选择基于小波降维的方法进行人脸特征的提取；研究支持向量机基本思想和 算法，对支持向量机的二值算法进行改进，以适应大量样本的训练，从而实现人脸特征 的识别；最后利用Matlab软件对人脸识别算法进行仿真，验证人脸识别算法的准确率和 效率。 本文的主要研究工作如下： 1.简述人脸识别的应用背景、对国内外的研究现状和发展趋势； 2. 描述人脸图像预处理的常用算法，主要介绍灰度变换法、直方图均衡法和滤波 法，对图像进行灰度处理和噪声滤除； 3.对人脸表示方法的研究。主要分析了三种基于统计的人脸表示方法--主成分分析 法,gabor小波表示法以及小波降维法。通过对这三种方法的比较，本文选用了基于小波 降维的方法进行人脸特征的提取； 4. 研究支持向量机的基本思想和算法，对支持向量机的二值分类算法进行改进， 从而利用人脸特征对人脸进行识别，以提高识别准确率和效率； 5.利用Matlab软件对人脸识别算法进行仿真，验证人脸识别算法的有效性。 关键字：人脸识别，支持向量机，主成分分析法，gabor小波表示法，小波降维 1 毕业设计（论文）报告纸 法 2 毕业设计（论文）报告纸 Research on face recognition technology based on support vector machine (SVM) ABSTRACT Face recognitio