全文总字数：4354字
- 前言
计算机网络、通信技术的飞速发展给人们的工作和生活带来了极大的方便，同时也对信息安全问题带来了挑战。除此之外，随着社会各领域对身份验证的需求增长，近些年来生物识别技术得到迅速发展，相较于虹膜识别、静脉识别等其他生物识别技术，人脸识别具有操作简单、结果直观、用户接受度高等优点，因此得到了广泛的研究与应用。随着人脸识别技术的不断发展，如今已经被应用于公共安全、国防安全、身份验证、情感分析、刑事侦破、智能视频监控等多个领域。虽然人脸识别在算法研究和实际应用等多个方面已经取得了很多不错的成就，但是相较于其他生物特征识别技术，在识别率和防伪性等方面仍有较大差距，因此，研究设计快速准确的人脸识别系统仍具有较强的应用价值和现实意义。
本研究为基于支持向量机模型的人脸识别，旨在使用核技术提供更有效的提取特征方法，对现有的人脸识别方法进行改进，从而增加人脸识别的准确度。
二、相关文献的研究
- 国内文献
李勇智和杨静宇等人在基于最大间距准则（Maximum Margin Criterion, MMC）下，提出一组具有标准正交性的最佳鉴别矢量的计算方法和一组具有统计不相关性的最佳鉴别矢量的计算方法。这种方法的目 的是寻求一组最佳鉴别矢量既要使投影变换后的特征空间的类间散度最大，而类内散度最小；又要 减小最佳鉴别矢量间的统计相关性。与原 MMC 特征提取方法相比，新的特征提取方法降低了甚至 消除了最佳鉴别矢量间的统计相关性，提高了识别率。
李国栋等人针对非线性特征提取问题 ,基于核最大间距准则 ( KMMC) ,提出一种新的特征提取方法 ,即 一组具有统计不相关性的最优核鉴别矢量集的简单计算方法. 与原 KMMC特征提取方法相比 ,新 的特征提取方法消除了最优核鉴别矢量间的统计相关性 ,提高了特征提取的有效性。
欧立松为解决人脸识别中国像维数高、易受光照变化以及噪声影响等问题，提出了PCA和SVM相结合的人脸识别算法并在图像预处理阶段加入滤波处理，首先对图像进行滤波预处理，PCA提取特征后降维处理，最后利用SVM多类分类器寻找人脸样本之间的最优分割超平面。实验结果表明，PCA和SVM相结合的算法精度达到了95%，有效解决了图像维数高、计算量大的问题，同时优化后的核函数加入维纳波的系统表现出较好的分类和去噪功能。
苑军科在论文中较为系统地研究了基于主成分分析算法（PCA）的人脸识别系统，
在对图像进行预处理后，利用K-L变换和SVD定理得到了人脸图像的特征值和特征向量，从而实现降维的目的，从而极大减少计算量，区别于传统的PCA的人脸识别方法，作者提出基于PCA SVM的人脸识别系统，利用ORL人脸数据库在MATLAB软件上进行大量仿真后得到该系统的最佳参数组合。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
