摘要：人脸识别是模式识别领域的一个活跃的课题，随着应用范围的增加，越来越受到重视，可用于信息安全，身份识别，公安司法，自助服务等，但是现在已有的人脸识别算法总是面临着不同的局限，受制于数据的特征与来源不同，不能得到理想的识别效果。本文致力于研究目前流行的PCA（主成分分析）和 KNN（邻近算法）算法，通过对两种算法的实现与修改，分析各自的基本原理，各自的识别方式，对数据处理的方式，处理时间的长短，各自的长处及相应的局限，对比两种算法的处理速度和识别正确率，分析各自的性能与不足，并判断人脸识别算法的应用前景。29840
毕业论文关键词：PCA；KNN；灰度化
Realization and Comparison of Face Recognition Algorithm
Abstract：Face recognition is an active subject in the field of pattern recognition. With its increasing scope of application, it is more and more important for information security, identification , public security, self-service,etc. But the existing face recognition algorithms and source of data. In this paper, we focus on the popular PCA (Principal Component Analysis) and KNN (k-Nearest Neighbor) algorithms. Through the realization and modification of the two algorithms, the basic principles, the respective recognition methods, the way of data processing, the length of the processing time, the respective strengths and the corresponding limitations are analyzed, the processing speed and recognition accuracy of two algorithms are compared, so as to study their own performance and shortcoming, and look forward to the development of face recognition algorithm.
Key words: PCA; KNN; gray processing
目 录
摘要 1
关键字 1
Abstract 1
Key words 1
1．选题背景 1
1.1 问题的提出 1
1.1.1 人脸识别的概念 2
1.1.2 人脸识别的发展历程 2
1.2 国内外研究状况 2
1.2.1 国外研究状况 2
1.2.2 国内研究状况 2
1.3 研究的目的和内容 3
2. 数据采集及处理过程 3
2.1 ORL人脸库简介 3
2.2 Yale人脸库简介 3
2.3 处理流程 4
3. 算法原理 4
3.1 PCA算法 5
3.1.1 PCA算法的概念 5
3.1.2 PCA算法的原理 5
3.1.3 PCA算法的过程 5
3.1.4 PCA算法的优缺点 6
3.1.5 ZCA的原理 7
3.1.6 SVM（支持向量机）的原理 7
3.2 KNN算法 9
3.2.1 KNN算法的原理 9
3.2.2 KNN算法的三要素 9
3.2.3 KNN算法的过程 9
3.2.4 KNN算法的优缺点 10
4. 数据分析 10
4.1 PCA算法 10
4.1.1 实验数据 10
4.1.2 数据分析 12
4.2 PCA、PCA+SVM、ZCA在的ORL人脸库之间的对比 12
4.2.1 实验数据 12
4.2.2 数据分析 13
4.3 PCA算法在不同的人脸库之间的对比 13
4.3.1 实验数据 13
4.3.2 数据分析 13
4.4 KNN算法在不同的人脸库之间的对比 14
4.4.1 实验数据 14 人脸识别算法的实现与对比分析+源代码:http://www.youerw.com/jisuanji/lunwen_25248.html