本文基于SVM算法，对辨识人脸样本图像进行研究。在特征提取的基础上，把未知的待测人脸图像与一个标准库中的图像相比较，看它们是否相同或者达到一定的相似程度。研究内容基本包含如下几点：

1.设计识别人脸样本图像的GUI界面，主要功能包含训练、测试、打开及识别给定的样本图像。其中，训练阶段包括预处理样本图像、提取人脸特征，并显示主成分脸，测试阶段旨在考察训练效果的好坏，人脸识别阶段展示与待测人脸相匹配的图像。

2.预处理人脸图像，读取人脸样本图像，运用PCA降维，并将数据规格化，抽取图像的特征值并且保存。

3.识别人脸图像并判定其所属类别。该识别人脸的系统大体由两个部分构成：训练部分和识别部分。训练部分主要预处理样本图像以及运用SVM算法训练人脸数据集，识别部分则用已经得到的支持向量机（SVM）测试辨识人脸图像的准确率。当分类识别的时候，根据人脸样本图像间的不同特征，利用SVM算法分类输出，从而判断它们所在的类别，进而准确地识别图像。在实验过程中选择ORL人脸库来检验该算法的效果。

基于SVM的人脸识别研究总共包含四个部分，设计识别人脸样本图像的GUI界面，预处理图像，训练人脸样本图像以及它的识别过程。

本文的主要结构为：

第一章：引言。这一章阐明了基于SVM的人脸识别的研究意义、背景，简要介绍了SVM算法，并进一步引出人脸识别的原理和大体流程。在将我国与国外人脸数据集进行比较的基础上，选择合适的人脸库作为训练和测试的数据。

第二章：预处理人脸图像的过程和提取特征的方法。本章从读取人脸图像、对人脸图像进行PCA降维、规格化（归一化）处理这三个方面进行详细阐释，介绍提取图像特征的办法，论述每一个处理过程中所使用的方法。

第三章：基于SVM的人脸识别系统实现。本章将详细介绍如何利用Matlab来搭建系统GUI界面，并以此为基础使用支持向量机对样本展开训练，最终实现给定一张人脸图像，能够将与之匹配的另一张人脸图像识别出来并判定其所属类别的功能。

第四章：结束语。总结本文所有的研究内容，发现整个研究过程中有待改进的方面，展望这项研究工作的未来发展。