3.2.1 奇异值分解原理 14

3.2.2 计算推导 14

3.3 计算特征脸 16

3.3.1 特征脸的获取 16

3.3.2 Matlab实现 17

4 选取特征向量 19

4.1 选择 19

4.2 MATLAB实现 19

5 人脸识别部分 21

5.1 基于PCA的分类器 21

5.2 实际算法 21

5.3 MATLAB实现 21

6 实现及结果 23

6.1 MATLAB实现结果显示 23

6.2 结论 23

6.2.1 结果展示 23

6.2.2 PCA人脸识别优缺点分析 24

6.2.3 对未来的展望 25

参考文献 26

致谢 28

1 绪论

人类最擅长于识别面孔和复杂的图案，人类有先天的辨别能力和意识。但是，人类的大脑是通过怎样的过程来进行准确分辨，且无论被分辨的人有了相对于记忆中多大的变化或是环境和装扮对眼睛这种基本感官有了多大的影响，都能做到精准的辨认，这种分辨方式又是否能经过解读，利用计算机实现与人类大脑相同的作用，这就是生物识别技术最根本的作用。 

机器学习就是通过给予计算机大量的数据、特征、类别，经过合适的算法，使计算机达到能够对输入数据进行准确的判断并进行分类。或者说，其根本就是一个根据特征来分类的过程。

生特征识别是基于现在计算机强大的运算能力，提取人体不可改变性的特有的生理特征数据进行采集和转换，也有对行为特征进行分析的情况，然后通过这些数据的比对识别个人身份信息的技术。与现在多数情况下用到的依靠证件和密码等模式进行身份认证和授权的方式相比，这种技术通过对人体生理特征提取来识别的方式显然更加方便可靠，而且不存在密码、证件遗失、被盗的情况，很大程度的减少了对个人身份信息和财产安全的威胁。现在，越来越多的行业和企业都开始运用这项技术，这项技术渐渐在生活和社会方面证明了自身的存在意义和价值。在国家安全方面，在港口和机场的出入人流量很大的地方，这种技术的应用性就更加的广泛且意义深远了。可以预见，生物特征识别技术在各个方面都还有着广阔的发展空间，针对这个方向的研究也一定会给人类带来深远的影响。

人脸识别的基本功能就是，把要识别的人脸转换成数据和数据库中的人脸数据进行对比，然后将相似度高的分为一类。而且，科技的不断进步，刺激着人类的需求水平，当人类的需求不断的增加，在众多的生物识别技术中，人脸识别这一分支，被越来越多的人关注，也越来越被人们发觉和探索。

1.1 课题的研究背景和意义

人脸识别对比其他生物特征识别技术，是相对直接且友好的识别方式，也更加的被企业和其他涉及领域所接受。

1.1.1 研究背景

随着工业4.0的提出，自动化和智能化也走上了快速发展的道路。而随着社会的进步和人类的需求，我们已经不仅仅满足于用各种繁琐的证件和审查过程来确定身份，即，我们更加倾向于通过简单且并不觉得被冒犯的方式来向别人证明自己的身份。这些年来，越来越多的人投身于生物特征技术的研究。这项技术在人们的研究中逐渐成熟完善，也渐渐地形成了较为完整的独立的体系。普遍认为，每个人都是单独而与众不同的个体，有着不同的特征或者说属性，比如指纹、掌纹、DNA等等。但像指纹、掌纹这种具象的特征，是很容易被人获取和复制的，而DNA显然不能通过简单的方式进行提取分辨。所以作为人类相对来说最公众化和不易被模仿的特征的识别技术就有了极大的发展空间和需求。无论是在刑侦方面，还是在公司企业、视频监控区域都有了很大的用武之地。