晏志超， 姚　亮， 韩　超

(安徽工程大学电气工程学院， 安徽　芜湖　241000)



一种基于混合核函数SVM的人脸识别方法

晏志超， 姚亮， 韩超

(安徽工程大学电气工程学院， 安徽芜湖241000)

SVM是人脸识别中最常使用的一种机器学习领域算法，它通过距离概念得到对数据分布的结构化描述，降低了对数据规模的要求，适合处理人脸图像这种小样本训练集的分类问题。其中SVM的核函数的选择对分类精度影响很大，全局核函数的预测函数对输出进行正确预测的能力较高，而局部核函数具有较强的学习能力，兼顾两者特点，使用结合RBF核和Sigmoid核的混合核来设计SVM分类器进行识别。针对ORL库进行PCA特征提取，然后使用基于混合核的SVM分类器进行识别分类。实验结果表明，在识别率上，基于该混合核函数的SVM分类器比基于普通核函数SVM分类器要更占优势。

混合核函数；支持向量机；PCA；人脸识别

引　言

人脸识别将人脸图像作为矩阵数据，对数据进行降维以及分类处理。相比较传统的人身验证方式，人脸识别由于其方便采集、非接触性、安全性等优势，是一种更容易被人们接受的身份验证方式，应用十分广泛[1-2]。由于人脸图像比较复杂，数据量庞大，且外界干扰因素对数据会产生较大影响[3-4]，因此这是一项意义重大而又极具挑战的课题。人脸识别由人脸检测、人脸分类识别两大环节构成[5]。检测环节的工作是指从采集到的整个图像中识别出人脸的区域，检测环节常用的算法有Adaboost，SVM等[6-7]；分类识别环节由图像的特征提取和对图像的具体类的判定两个过程组成，其目的是确定出图像所属的具体类别，本文主要讨论该环节。……