1、人臉識(shí)別技術(shù)是一種通過(guò)計(jì)算機(jī)技術(shù)分析人臉,從而抽取有效特征來(lái)鑒別某人身份的一種先進(jìn)技術(shù)。這門(mén)技術(shù)不僅涉及模式識(shí)別、圖像處理等工程類(lèi)學(xué)科,同時(shí)由于該技術(shù)需要研究人的表情、心理等因素,因此還涉及到生理學(xué)、心理學(xué)等其它非工程類(lèi)學(xué)科。人臉識(shí)別是現(xiàn)今世界最為熱門(mén)的研究領(lǐng)域之一。
　　 本文所研究的算法是人臉識(shí)別中一種常用的子空間算法——GLRAM算法,與一般傳統(tǒng)的單邊主成分分析算法相比,該算法通過(guò)雙邊降維的方法,在保持較低重構(gòu)誤差的情況下

2、,可以取得更高的壓縮率。而該算法由于采用迭代求解,因此效率較低,本文深入分析該算法,總結(jié)該算法的優(yōu)缺點(diǎn),以該算法的解為出發(fā)點(diǎn),結(jié)合2DPCA算法的求解過(guò)程,提出了極限GLRAM算法,有效提高了傳統(tǒng)GLRAM算法的效率,然后針對(duì)該算法自身的一些不良性質(zhì)通過(guò)與PCA算法進(jìn)行融合,進(jìn)一步對(duì)算法進(jìn)行了優(yōu)化,最終通過(guò)實(shí)驗(yàn)驗(yàn)證該算法的可行性,也通過(guò)實(shí)驗(yàn)充分證明了該算法要優(yōu)于傳統(tǒng)的GLRAM算法。此外,在最后的實(shí)驗(yàn)當(dāng)中,本文也發(fā)現(xiàn)該算法在融合過(guò)程中,