1、隨著計(jì)算機(jī)和科學(xué)技術(shù)的不斷進(jìn)步，方便、高效的身份識(shí)別技術(shù)——人臉識(shí)別技術(shù)便應(yīng)運(yùn)而生，近年來它已經(jīng)成為模式識(shí)別與機(jī)器學(xué)習(xí)領(lǐng)域一個(gè)熱點(diǎn)的研究課題并且已經(jīng)被普遍地應(yīng)用于智能監(jiān)控、公共安全管理、數(shù)字身份認(rèn)證等領(lǐng)域。人臉識(shí)別需要經(jīng)過采集人臉圖像、圖像預(yù)處理、特征提取和人臉識(shí)別這四個(gè)過程。其中，特征提取與人臉識(shí)別是關(guān)鍵步驟，本文針對(duì)特征提取和人臉識(shí)別這兩方面進(jìn)行研究。
　　1、研究了主成分分析（PCA）、線性判別分析（LDA）和局部保持投影（

2、LPP）等典型的人臉特征提取方法，包括一維和二維兩種情形。針對(duì)每一情形下的幾種特征提取方法，分析了他們的區(qū)別與聯(lián)系，為下文中算法的改進(jìn)做鋪墊。
　　2、研究了一種基于改進(jìn)的自適應(yīng)局部保持投影算法的人臉識(shí)別方法。為了避免參數(shù)的選擇對(duì)識(shí)別率造成的影響，首先構(gòu)造無參數(shù)的近鄰圖，能夠自適應(yīng)的選取樣本的近鄰點(diǎn)并確定其相應(yīng)的邊權(quán)。其次由于在計(jì)算過程中出現(xiàn)矩陣維數(shù)過高問題，我們采用QR分解進(jìn)行降維處理。最后利用共軛正交化使得獲得的投影軸具有統(tǒng)計(jì)

3、不相關(guān)性，以降低特征矢量間的統(tǒng)計(jì)相關(guān)性，提高識(shí)別率。實(shí)驗(yàn)方面，首先進(jìn)行了尺度因子?值的選取實(shí)驗(yàn)。其次在多種數(shù)據(jù)庫(ORL和YALE)上進(jìn)行實(shí)驗(yàn)，結(jié)果表明本文算法是有效且穩(wěn)定的，并且與LPP、DLPP和LMMC等算法相比，具有更高的正確識(shí)別率。最后增加了兩個(gè)比較實(shí)驗(yàn)，一個(gè)是本文算法使用不同分類器的比較實(shí)驗(yàn)，另一個(gè)是本文算法在無不相關(guān)條件和加不相關(guān)條件的對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果均表明本文算法是有效的。
　　3、研究了一種結(jié)合2DLPP和2D

4、PCA的雙向壓縮人臉識(shí)別方法。為了克服一維特征提取的缺點(diǎn)，首先對(duì)一維的LPP算法進(jìn)行了升級(jí)，改用2DLPP算法。其次由于一般的各類二維算法只可以從一個(gè)方向?qū)δ繕?biāo)數(shù)據(jù)進(jìn)行降維提取特征并且所降至的維數(shù)選擇也受到限制，我們采用從水平和垂直兩個(gè)方向?qū)颖緢D像進(jìn)行降維處理提取特征的技術(shù)，以提高識(shí)別率。實(shí)驗(yàn)方面首先為了驗(yàn)證本文算法（2DLPP+2DPCA）在識(shí)別率方面的優(yōu)勢(shì)，在ORL人臉庫上與其他算法進(jìn)行了比較實(shí)驗(yàn)；隨后，為了驗(yàn)證本文算法（2DLP