朱强军，汪慧兰，张广海

(1.安徽师范大学皖江学院 电子工程系，安徽 芜湖 241008；2.安徽师范大学 物理与电子信息学院，安徽 芜湖 241000)

随着智能科学技术的发展，生物特征识别技术受到前所未有的关注，人脸识别技术作为生物特征的一种，由于非干扰性、唯一性等优点在安防、门禁系统、金融等领域中有着重大的应用前景.目前人脸识别技术主要包含4种类别：基于几何特征的方法[1]，基于代数特征的方法[2]，基于模板的方法[3]，基于人工神经网络的方法[4].这些人脸识别方法各有优点，但都需要大量的样本训练，才能有较好的识别效果.1张人脸图像含有丰富的信息，但只有部分信息在识别过程中起关键作用，因此，在识别前，需要对人脸图像进行预处理，提取有用的特征信息，从而提高人脸识别速度、精度.主成分分析法(Principal Component Analysis，PCA)[5]是将高维空间数据映射到低维空间，实现数据的降维，减少了冗余的数据，保留了原始数据的独特性，这样既方便了计算，又有利于分类.支持向量机(Support Vector Machine，SVM)[6-7]分类器能够向高维空间映射，具有良好的泛化能力，在解决非线性以及小样本问题上具有良好的效果，但这些效果会受到核函数及核函数参数制约，特别是SVM的参数制约着人脸识别算法的精度.国内外专家学者已经这方面展开的大量的研究，但至今没有一种公认统一的最优方法.因此，本文提出了一种快速主成分分析法联合优化参数支持向量机分类器相结合的算法(Algorithm combining fast PCA with optimized parameter SVM classifier，fast PCA-SVM)，通过实验验……