基于fast PCA和K-CV优化SVM的人脸识别算法研究

• 作者: 朱强军 汪慧兰 张广海
• 来源期刊: 湖北民族大学学报（自然科学版）
• 关键词: 人脸识别 快速PCA 支持向量机 交叉验证 网格搜索法
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机科学与技术|Computer Science and Technology
• 页码范围: 193-198
• 页数: 6页
• 分类号: TP391.9|TN911.73
• 语种: 中文
• DOI: 10.13501/j.cnki.42-1908/n.2021.06.013

摘要

为了解决支持向量机(Support Vector Machine,SVM)分类器人脸识别率不高的问题,提出了一种快速主成分分析法(fast Principal Component Analysis,fast PCA)与优化参数支持向量机分类器相结合的人脸识别算法.首先,在传统的PCA算法理论基础上提出一种快速PCA算法,用于人脸图像的降维和特征提取,减少特征提取时间,降低计算量,缩短SVM识别时间;其次,利用K折交叉验证法(K-fold cross-validation method,K-CV)联合改进的网格搜索法对SVM分类器最优参数进行搜索,减少最优参数搜索时间,提高算法人脸识别率和泛化能力.在ORL人脸库实验结果表明:该算法在每类训练样本数大于5时,人脸识别率为100％;在训练样本较少时,仍然保持较高识别率.与一般的SVM算法及PCA算法比较,该算法平均识别率提高了0.61％～8.92％.