基于混沌理论和支持向量机的人脸识别方法

摘要：

针对如何选定主成分分析(PCA)特征维数和如何选定支持向量机(SVM)的参数来进一步提高人脸识别系统性能的问题,提出了一种基于混沌理论和支持向量机的人脸识别方法.首先,在统一的目标函数下,在采用PCA方法对人脸图像进行降维和将得到的特征送入SVM中进行训练期间,使用具有可操作性的改进混沌优化算法同时对PCA图像特征维数和分类器参数进行优化选择,然后用得到的优化人脸特征和最佳参数的分类器对未知图像进行识别.基于该方法,对ORL和Yale人脸库进行实验,其识别率都高达99%以上,仿真结果表明,该方法极大地提高了人脸识别能力.

关键词：人脸识别、混沌优化算法(COA)、支持向量机(SVM)、主成分分析(PCA)

所属期刊栏目：19

分类号：TP1;O4

资助基金：河南省科技攻关项目0624220039,09Z102210017;河南省教育厅科技攻关项目2007520024,2008B520021

在线出版日期：2009-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：494-500