基于支持向量机的人脸特征分类技术

针对人脸识别技术中准确性较差、识别复杂度较高、预处理较易陷入"维数灾难"等问题,本文运用支持向量机人脸特征分类技术,提出了进一步提高人脸识别效率的一种方法。为了达到面部特征的精确检测与识别,通过微粒群优化的智能KFD算法,确立核函数最优参数σ的值,实现不同类特征的类内间距最小、类间间距最大的数学特性,从而将特征进行分类,并采用Matlab进行仿真分析。仿真结果表明,随着σ增加,可分性测度Y先呈正比增加,然后急剧减少,最后趋于稳定;当σ=0.2时,类间间距最大,类内间距最小,最容易使不同类的样本投影尽可能的分散。该方法解决了样本特征值线性不可分、二次规划计算量大的问题,而且通过分析可分性测度与σ的关系,找到最优参数σ的值和对应人脸识别的最优算法。该研究提高了人脸识别精度,降低了计算量,实现了面部特征的精确分类。