基于PCA与SVM的人脸识别技术

查看全文 作　　者：[1]张庶;[1,2]李子月;[1,3]刘玉超;[4]李琳;[5]韩文

机构地区：[1]一体化指挥调度技术国家工程实验室,北京100192;[2]南京航空航天大学导航研究中心,江苏南京210016;[3]中国指挥与控制学会,北京100089;[4]中国航天员科研训练中心,北京100094;[5]信息工程大学,河南郑州450000

出　　处：《指挥与控制学报》索引2019年第5卷第3期,共5页

摘　　要：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. 关键词：人脸识别 PCA SVM 高斯核函数交叉验证

相关文献

参考文献（16）
引证文献（6）
耦合文献（75）

参考文献(16)

引证文献(6)

耦合文献(75)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于PCA与SVM的人脸识别技术

参考文献(16)

引证文献(6)

耦合文献(75)

用户提示