基于TMS320C6713的人脸识别系统设计

基于TMS320C6713的人脸识别系统设计

KNN的实现分训练和识别两步。训练时，把每类样本降维后的结果作为KNN的输入。K近邻算法将一个测试点x分类为与它最接近的K个近邻中出现最多的那个类别，从测试样本点开始生长，不断扩大区域，直到包含进K个训练样本点为止，并且把测试样本点的类别归为这最近K个训练样本点中出现频率最大的类别。如图3所示，圆圈表示待识别数据所处的位置，选择K值为3时，选中实线圆中的3个数据，识别结果为三角形代表的类；选择K值为5时，选中虚线圆中的5个数据，识别结果为正方形代表的类。所以选取恰当的K值对分类的结果有很大影响。如果K值选取过大时，可能能较正确地分类，但是同时牺牲了性能，提高了计算复杂度。如果K值选取过小，则大大降低了计算复杂度，但是可能会影响分类的准确性。