人脸识别作为生物特征识别的重要分支,具有安全性、可靠性、直观性和非接触性等特点,目前广泛应用于身份验证、公安侦查、视频监控、国防安全等多个领域。因此,研究设计一个快速准确的人脸识别系统研究具有重要价值和现实意义。本论文主要研究的是基于主成分分析算法(PCA)的人脸识别系统,主要工作内容如下:(1)图像的预处理。通过图像的灰度变换、直方图均衡化、平滑处理以及几何校正等方法对图像进行了归一化处理,使人脸图像能够满足识别系统的要求。(2)图像的特征提取。利用K-L变换和SVD定理得到人脸图像的特征值和特征向量,实现了图像降维的目的,从而极大减少了计算量,大幅提升了系统的识别速度。(3)图像的特征识别。传统基于PCA的人脸识别方法利用距离函数实现了人脸的识别功能,但该方法识别准确率较低,因此,我们提出了支持向量机(SVM)分类器。改进后的人脸识别系统获得了较高的识别准确率和较好的实用性,证明了改进后的方法在识别准确率上明显优于传统的基于PCA的人脸识别方法。(4)系统的设计与仿真实现。首先,对基于PCA+SVM的人脸识别系统进行了详细设计,并利用ORL人脸数据库在Matlab软件上进行了大量仿真实验。然后,通过改变特征脸空间维数和训练集人脸数,得到了多组实验结果。最后通过对实验结果进行详细分析,从而获得了该系统的最佳参数组合。