摘要：计算机的普及，科技的发展，给人们生活带来了巨大的便利，人脸识别就是其中一项先进的技术，本实验是建立在MATLAB平台上，采用PCA主成分分析方法对图片数据进行降维，并使用SVM支持向量机分类器对降维后的图片数据进行分类处理，从而达到人脸识别的目的。

人脸识别的主要流程为：人脸图像的获取、人脸特征的检测、人脸特征的提取、图形的预处理、人脸的识别及身份验证。

本文主要使用了MATLAB上数字图像处理的功能，对待识别的图像进行读图、存储和识别。MATLAB中带有有关数字图像处理的应用工具箱，可以实现人脸的简单特征识别与辨识，进而应用到人脸识别系统。

关键词：PCA；人脸识别；SVM；MATLAB 

目录

摘要

Abstract

第1章 绪论-1

1.1 研究现状-1

1.2 人脸识别技术的研究背景-1

1.3 人脸识别技术的简单介绍-2

1.4论文的组织结构-2

第2章 相关理论与技术-3

2.1 人脸识别系统的组成-3

2.2数字图像的处理及过程-4

2.2.1 Matlab数字图像处理工具箱-4

2.2.2 灰度转换-4

2.3 SVM分类算法-4

2.3.1 SVM 基本原理-4

2.3.2非线性向量支持机-5

2.4主成分分析法-5

2.4.1 主成分的定义 -6

2.4.2  主成分的性质 -7

2.4.3 主成分数目的选取-7

第3章 基于PCA的人脸识别-8

3.1 人脸识别的过程-8

3.2 PCA算法的功能实现-8

3.2.1 人脸空间的建立-8

3.2.2 选取特征的向量-9

3.2.3主成分分析法的计算-9

3.2.4 特征脸的方法-10

第4章 人脸识别系统实现及测试-12

4.1系统界面实现-12

4.2数据库-12

4.3算法的实现-14

4.3.1 PCA的实现-14

4.3.2构建多类SVM分类-15

4.3.3训练结果的可视化 -15

4.3.4设定错误代价C -15

4.3.5分类-15

4.3.6 SVM核函数选择-16

4.4人脸匹配-17

4.5结果分析-17

第5章 总结与展望-18

结    论-18

参 考 文 献-19

致    谢-20