基于PCA算法的人脸识别技术研究
袁旭
迟耀丹
吴博琦
刘安琪
王佳祺
吉林建筑大学电气与计算机学院 吉林长春 130118;吉林省建筑电气综合节能重点实验室 吉林长春 130118;寒地建筑综合节能教育部重点实验室 吉林长春 130118
摘要：随着计算机硬件技术的进步和改善、人脸识别算法的优化与改进,人脸识别技术逐渐成熟并在智慧校园中得到广泛应用.人脸识别技术研究的难点主要体现在特征提取和分类识别两个方面.本文研究人脸识别技术主成分分析法(Principal Component Analysis,PCA)的工作原理,并对它的数学解析进行推导.在以PCA算法为人脸识别特征提取的实验基础上,分别对最近邻分类器和支持向量机(Support Vector Machine,SVM)两种分类器识别方式在MATLAB中进行试验,以此研究特征提取和分类识别的内容.实验结果表明,支持向量机在人脸识别的识别范围和识别率上的能力优于最近邻分类器.人脸识别技术是学生综合服务系统的构建过程中的重要环节,通过本文研究为建设智慧校园和数字化校园提供参考.
关键词：人脸识别技术主成分分析法(PCA)支持向量机(SVM)MATLAB智慧校园
资助基金：吉林省科技厅重点科技研发项目(20180201063SF)吉林省大学生创新训练项目(202010191020)
论文发表日期：2021-03-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 34-37,41 )