毕业论文课题相关文献综述
一、研究背景： 人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，是模式识别研究的一个热门方向，具有十分广泛的用途，在公安、安全验证系统、医学、金融、视频会议、交通量控制、身份鉴别、信用卡识别，护照的核对及监控系统等方面都有着广泛的应用[1]。
人脸识别技术主要是对计算机视觉和模式辨认范畴的研讨，同时也是生物特征识别的一个重要分支[2]。
它与指纹、视网膜、虹膜、基因等其它生物特征识别系统相比，具有更加直接、友好，使使用者无任何心理障碍的优点。
因此，人脸识别已成为当前人工智能和人体生物特征识别领域中的一项重要技术[3]。
经过近四十年的研究，人脸识别领域的研究成果已经硕果累累，从最初对背景单一的正面灰度图像的识别，经过对多姿态(正面、侧面等)人脸的识别研究，发展到能够动态实现人脸识别。
目前正在向三维人脸识别的方向发展[4]。
在人脸识别的研究中，主元分析法与支持向量机是主要的研究手段，也是本次研究的主要方面。
主元分析(PCA)方法，是目前基于多元统计过程控制的故障诊断技术的核心，是一种有效的特征提取方法，通过主元分析法将人脸图像表示成一个列向量，经过PCA 变换后，不仅可以有效地降低其维数，同时又能保留所需要的识别信息，这些信息对光照、表情以及姿态具有一定的不敏感性[5]。
支持向量机(SVM，Support Vector Machines)是由Vapnik V．N基于统计学习理论(SLT，Statistical Learning Theory)提出的，对小样本、高维数的模式识别问题十分有效，因而也逐渐成为模式识别的首选分类器。
而且传统的模式识别方法都可以在支持向量机里找到对应的作用机制，所以，将用于人脸识别的诸多方法与支持向量机技术结合起来进行就是自然的选择。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
