基于KPCA和支持向量机的人脸识别算法的系统实现

摘要：

本文实现了基于KPCA和支持向量机的具有鲁棒性的人脸识别系统.系统提取人脸图像的Gabor特征,结合二次降维的方法,进行人脸识别.针对Gabor特征提取后维数变高,需要很大的存储空间和计算复杂度的缺点,先通过KPCA算法将Gabor特征映射到高维空间,并在此高维空间上进行PCA降维,然后将降维后的数据集送入训练好的SVM分类器中进行识别.实验表明,该算法对存在姿态变化的人脸识别具有较强的鲁棒性.

关键词： 人脸识别 核主成分分析 支持向量机 鲁棒性

作者: 申闫春 桂丽娟 李志丽

作者单位: 北京信息科技大学计算机学院,北京100192

会议类型: 国内会议

会议名称: 第十六届全国图象图形学学术会议 暨第六届立体图象技术学术研讨会

会议地点: 长春

会议语种:中文

页码: 456-459

在线出版日期: 2012-07-30（万方平台首次上网日期，不代表论文的发表时间）