根据pca算法人脸识别.pdfVIP

中南民族大学 毕业论文 (设计) 学院： 电子信息工程学院 专业： 电子信息工程 年级： 2012 级 题目 : 基于 PCA 算法的人脸识 学生姓名： 学号： 指导教师姓名 : 职称 : 2016 年 5 月 26 日 中南民族大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研 究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文 不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意 识到本声明的法律后果由本人承担。 作者签名： 年 月 日 注：本页放在学位论文封面后，目录前面 目 录 基于 PCA 算法的人脸识别 摘要：本文探讨了基于主成分分析（PCA ）的人脸识别方法。二十多年以来，PCA 算法已广泛应用于人脸识别，成为最流行的人脸表示方法之一。它不仅降低了人 脸图像特征的维数，缓解了维数灾难的问题，同时使得人脸表达更为紧凑。在本 文的研究中，首先利用 PCA 对人脸降维，其次采用最邻近法对人脸图像进行分 类，最后在 AT ＆T 人脸数据库上对此方法进行评估。实验结果表明，该方法具 有较好的识别性能。 关键词：人脸识别；主成分分析法；最邻近法 Face Recognition Based on PCA Method Abstract: In this paper, we study the principal component analysis (PCA) which is one of the most popular representation methods. Not only does the PCA method reduce the dimensionality of the face image, but it avoids the problem of the Curse of Dimensionality as well, thereby getting more compact face representation. So it has been extensively employed for face recognition in the past few decades. After performing the PCA method, the nearest neighbor rule is applied to classify the face image. Finally, the PCA algorithm is evaluated on the ATT face database, and the experimental results show that this algorithm achieves pretty good performance. Key words: face recognition; principal component analysis; nearest neighbor rule 1 1 绪论 1.1 人脸识别的研究意义 进入 21 世纪以来，人们的日常生活向着自动化和科技化方向发展，信息安 全也日趋重要，普通的身份识别方式（如钥匙、磁卡、密码等）已经无法保证信 息的安全。生物特征识别技术因具有高效、稳定、快速等特点，而迅速成为人们 关注的研究领域。它是一项用能标识个人特定身份的生理特征或者行为、神态等 进行身份认证的技术。虹膜识别、步态识别和人脸识别等均属于该项技术的研究 方向，这些识别方法具有高效、便捷、难以被伪造等特点，避免了传统的身份认