1、伴隨科學技術的不斷創(chuàng)新與信息的不斷完善成熟，雖然人們的生活及學習都得到了便利，但安全性問題卻存在很嚴重的漏洞。傳統(tǒng)的安全技術逐漸顯露出了缺陷，小至每天的日常生活，大至整個社會都存在極大的隱患。例如盜竊賬戶信息和數(shù)據(jù)的現(xiàn)象頻繁出現(xiàn)，導致一些無法挽回的損失。生物特征是利用人體不可更改的特征進行識別的一種方法，因其很難被更改而具有難偽造性，目前得到人們的加倍青睞。在生物特征中人臉識別最容易被接受，可以在不被他人發(fā)現(xiàn)的情況下進行監(jiān)控，在許多場合

2、都被廣泛應用，有著重要的研究價值和應用價值。
　　在特征提取階段，采用2DDPCA(Two Dimension Double PCA)一種雙向壓縮的二維特征提取算法。子空間中的典型PCA算法是現(xiàn)在的潮流之一，主要是依據(jù)線性組合即K-L變換。但以往的PCA算法會受環(huán)境的干擾而對相應的識別率造成嚴重的影響，暫時無有效彌補辦法。為改進傳統(tǒng)算法的不足，本文分析基于PCA(Principle Component Analysis)算法改進的

3、2DPCA算法(Two Dimension PCA)和對2DPCA算法再次縱向壓縮的2DDPCA算法。為了驗證改進算法的性能，將PCA、2DPCA、2DDPCA這三種算法在人臉庫上完成大量的對比實驗及相應詳細的分析。根據(jù)實驗數(shù)據(jù)可得，改進后的2DDPCA算法擁有很好的識別率和重建性。
　　在分類識別階段，采用SVM(Support Vector Machine)支持向量機作為分類器完成人臉識別。SVM分類器具有很強的自學能力，又能