基于SVM的人脸识别摘要：主成分分析（PCA）是人脸识别中特征提取的主要方法，支持向量机（SVM）具有适合处理小样本、非线性和高维数问题，利用核函数且泛化能力强等多方面的优点。文章将两者结合，先用快速PCA算法进行人脸图像特征提取和选择，用所选择的人脸特征向量训练多个支持向量机（SVM），最后用训练好的支持向量机（SVM）进行人脸识别的分类。在ORL人脸数据库上进行了实验，取得了满意的识别效果。 关键词:人脸识别；主成分分析（PCA）；奇异值分解（SVD）；支持向量机（SVM）引言人脸识别1是计算机视觉和图像模式识别领域的一个重要研究课题，它在生物领域、安全领域、商贸领域及经济领域都有着广泛的应用前景，诸如身份验证、指纹识别、监控系统等。但由于人脸表情丰富，人脸随年龄增长而不断变化，人脸受光照、成像角度及成像距离等影响，这诸多因素使得人脸识别成为一项极富挑战性的课题。人脸识别技术主要包括人脸检测阶段、特征提取阶段和人脸识别阶段，特征提取和人脸识别是研究的重中之重，当前主要的特征提取方法有主成分分析、小波分析、奇异值特征向量等，这些提取方法都是在光照变化不大的前提下才
