1、隨著現(xiàn)代科學(xué)技術(shù)的不斷發(fā)展，人臉識(shí)別越來越受到了人們的關(guān)注，正成為國(guó)際性的研究熱點(diǎn)。人臉識(shí)別整個(gè)過程主要包括圖像預(yù)處理、特征提取以及模式分類3個(gè)階段，其中特征提取與模式分類兩個(gè)步驟最為關(guān)鍵。特征提取階段，K_L變換算法較為經(jīng)典，它是一種基于全局性的特征提取算法。與之相對(duì)應(yīng)的是基于局部性的特征提取算法，稀疏編碼算法即是一種基于局部特征提取的算法，它有著減少冗余數(shù)據(jù)，增強(qiáng)數(shù)據(jù)魯棒性等優(yōu)點(diǎn)。模式分類器可以分為非線性分類器與線性分類器。支持向量

2、機(jī)是一種線性分類器，它在小樣本數(shù)據(jù)中分類效果是最佳的，被廣泛的應(yīng)用在人臉識(shí)別中。
　　 稀疏編碼算法雖然有著許多優(yōu)點(diǎn)，但現(xiàn)階段稀疏編碼算法迭代時(shí)間長(zhǎng)，效率較低，本文提出了一種高效0范數(shù)稀疏編碼算法，在模型的間斷點(diǎn)連續(xù)開拓后進(jìn)行求解，大大提高算法的運(yùn)算效率。由于將稀疏編碼算法運(yùn)用到人臉識(shí)別中，模式分類階段是必不可少的，因此本文中還對(duì)模式分類階段的支持向量機(jī)進(jìn)行簡(jiǎn)單的研究，最終對(duì)模型中懲罰參數(shù)的選擇進(jìn)行改進(jìn)。最終利用高效0范數(shù)稀疏編

3、碼算法并結(jié)合改進(jìn)后的支持向量機(jī)組成一種新的高效的人臉識(shí)別方法。
　　 為了驗(yàn)證本文提出的0范數(shù)稀疏編碼算法的高效性，將與NMFs算法進(jìn)行比較，實(shí)驗(yàn)在ORL人臉庫上進(jìn)行。最終的實(shí)驗(yàn)數(shù)據(jù)表明本文提出的0范數(shù)稀疏編碼算法在收斂速度上優(yōu)于NMFs算法，大大縮短了整個(gè)算法的迭代時(shí)間。對(duì)支持向量機(jī)懲罰參數(shù)的選擇也進(jìn)行了實(shí)驗(yàn)，最終得到了一種選擇懲罰參數(shù)的方法，即對(duì)表情姿態(tài)不豐富的人臉庫我們可以相對(duì)隨機(jī)的選取矯正系數(shù)矩陣，對(duì)表情姿態(tài)豐富的人臉庫