摘要：人脸识别是生物特征识别的一类，存在极大的发展潜力。在经济高速腾飞的当今社会，人脸识别在例如安全领域的应用具有直观便捷的特点，符合人类的视觉识别经验，越来越被人们所认可。人脸不同于指纹或虹膜等其他生物特征，因为人脸常暴露于外，即使被监控拍摄也不会造成侵犯感，是识别身份的天然特征。

PCA（主成分分析，Principal Component Analysis）是一种常见的数据分析方法，也是一种常见的人脸识别的算法。PCA常用于高维数据的降维，此算法降低了人脸特征维数，即用较少特征的数据表达较多特征的数据。

本文了解和分析了常见的几种人脸识别的方法以及人脸识别的一般流程，重点研究了PCA的数学原理以及通过Matlab实现了一个简单的基于PCA算法的人脸识别程序。通过实验结果得出了PCA算法的计算虽然简单，但需要大量的计算量。

关键词：人脸识别  PCA  Matlab

目录

摘要

Abstract

第一章 绪论-6

1.1 研究背景和意义-6

1.2 人脸识别的发展和研究现状-6

1.3 论文的主要工作-7

1.4 本文的组织结构-7

第二章 人脸识别的相关理论-8

2.1 人脸识别的定义-8

2.2 人脸识别的常见方法-8

2.2.1 基于模板匹配的方法-8

2.2.2 基于特征脸的方法-8

2.2.3 基于支持向量机的方法-8

2.2.4 基于卷积神经网络的方法-9

2.3 人脸识别的一般流程-9

2.4 人脸识别的技术指标-11

第三章 主成分分析原理与优缺点-12

3.1 向量与基-12

3.1.1 向量与内积-12

3.1.2 基与基变换-12

3.2 协方差矩阵-14

3.2.1 方差与协方差-15

3.2.2 协方差矩阵-16

3.2.3 协方差矩阵对角化-17

3.3 PCA算法流程-18

3.4 优缺点-18

第四章 利用Matlab实现PCA人脸识别-19

4.1 实验步骤-19

4.2 核心源码与实验结果-19

4.3 总结-23

参考文献-25