摘要：人臉識別是生物特征識別的一類，存在極大的發展潛力。在經濟高速騰飛的當今社會，人臉識別在例如安全領域的應用具有直觀便捷的特點，符合人類的視覺識別經驗，越來越被人們所認可。人臉不同于指紋或虹膜等其他生物特征，因為人臉常暴露于外，即使被監控拍攝也不會造成侵犯感，是識別身份的天然特征。

PCA（主成分分析，Principal Component Analysis）是一種常見的數據分析方法，也是一種常見的人臉識別的算法。PCA常用于高維數據的降維，此算法降低了人臉特征維數，即用較少特征的數據表達較多特征的數據。

本文了解和分析了常見的幾種人臉識別的方法以及人臉識別的一般流程，重點研究了PCA的數學原理以及通過Matlab實現了一個簡單的基于PCA算法的人臉識別程序。通過實驗結果得出了PCA算法的計算雖然簡單，但需要大量的計算量。

關鍵詞：人臉識別  PCA  Matlab

目錄

摘要

Abstract

第一章 緒論-6

1.1 研究背景和意義-6

1.2 人臉識別的發展和研究現狀-6

1.3 論文的主要工作-7

1.4 本文的組織結構-7

第二章 人臉識別的相關理論-8

2.1 人臉識別的定義-8

2.2 人臉識別的常見方法-8

2.2.1 基于模板匹配的方法-8

2.2.2 基于特征臉的方法-8

2.2.3 基于支持向量機的方法-8

2.2.4 基于卷積神經網絡的方法-9

2.3 人臉識別的一般流程-9

2.4 人臉識別的技術指標-11

第三章 主成分分析原理與優缺點-12

3.1 向量與基-12

3.1.1 向量與內積-12

3.1.2 基與基變換-12

3.2 協方差矩陣-14

3.2.1 方差與協方差-15

3.2.2 協方差矩陣-16

3.2.3 協方差矩陣對角化-17

3.3 PCA算法流程-18

3.4 優缺點-18

第四章 利用Matlab實現PCA人臉識別-19

4.1 實驗步驟-19

4.2 核心源碼與實驗結果-19

4.3 總結-23

參考文獻-25