本文设计了一种基于MATLAB GUI的人脸识别系统，本系统可使用主成分分析（Principle Component Analysis，PCA）和反向传播神经网络（Back Propagation Neural Network，BPNN）两种算法对人脸照片进行识别，比较两种算法对同一照片库进行识别的正确率发现，PCA算法的识别正确率高于BPNN算法，达到90%。

人脸识别系统的主要内容

人脸识别是人类与生俱来的能力，想要让机器也有这种能力，则实现‘人脸识别’的系统要由四个方面组成。

（1）人脸图像的获取

对于计算机来说，人脸图像的获取有两种方法，一种是通过摄像头获取，获取的是真人的图像，另一种是直接给定要识别的图像，这一方法相对简单。

（2）人脸检测

检测给定的图像中是否存在人脸的过程称为人脸检测。也可以理解为，人脸检测就是把如颜色特征、结构特征、模板特征以及直方图特征等这些有用的信息挑出来，并利用这些特征实现人脸检测[5]。

（3）特征提取

特征提取是使用一些算法来表达检测到的人脸信息，本文主要介绍两种算法，一种是主成分分析，另一种是bp神经网络。人脸识别系统可使用的特征通常分为视觉特征、像素特征、人脸图像代数特征等[6]。人脸特征提取，也称人脸表征，它是对人脸建模的过程[7]。

（4）人脸识别

基于已存的人脸图像库，经过特征提取把给定的人脸信息和已存的人脸图像库来比较，根据比较的相似程度来进行判断，实现人脸识别。

研究内容

本文基于MATLAB GUI设计了一种人脸识别系统，系统可使用主成分分析（Principle Component Analysis，PCA）和反向传播神经网络（Back Propagation Neural Network，BPNN）两种算法对人脸照片进行识别，本文设计了人脸识别系统的GUI界面，并比较了两种算法对同一照片库进行识别的正确率。

本文设计了一种基于MATLAB GUI的人脸识别系统，本系统可使用主成分分析（Principle Component Analysis, PCA）和反向传播神经网络（Back Propagation Neural Network, BPNN）两种算法对人脸照片进行识别。

1、比较两种算法对同一照片库进行识别的正确率发现，PCA算法的识别正确率高于BPNN算法，达到90%。

2、本文详细阐述了两种算法的使用流程，通过GUI界面直观清楚的显示了两种算法的使用方法，发现对于图片统一性不是特别理想的图片，可以考虑使用BPNN算法。