1、人臉識(shí)別技術(shù)最為一項(xiàng)生物特征識(shí)別技術(shù)，在安全保衛(wèi)、信息安全和司法檢驗(yàn)等領(lǐng)域具有十分重要的意義。人臉識(shí)別技術(shù)涉及到了計(jì)算機(jī)技術(shù)、圖像處理、模式識(shí)別和機(jī)器視覺(jué)等多個(gè)領(lǐng)域，人臉識(shí)別技術(shù)的發(fā)展促進(jìn)這些領(lǐng)域上理論和技術(shù)的發(fā)展。一個(gè)完整的人臉識(shí)別系統(tǒng)，應(yīng)該具有兩個(gè)必不可少的部分：特征提取和分類器識(shí)別。特征提取部分處理原始人臉圖像，將其中對(duì)分類有用的信息提取出來(lái)，并將高維數(shù)據(jù)降到低維。分類器對(duì)特征信息進(jìn)行分類，得到人臉圖像的類別信息。
　　

2、流形學(xué)習(xí)方法是最近提出來(lái)的一種能夠有效的檢測(cè)到高維數(shù)據(jù)內(nèi)在本質(zhì)的機(jī)器學(xué)習(xí)方法。在子空間特征提取方法中引入流形學(xué)習(xí)技術(shù)是目前人臉識(shí)別技術(shù)發(fā)展的趨勢(shì)之一。
　　 本文基于流形學(xué)習(xí)方法，從事人臉識(shí)別系統(tǒng)中特征提取和分類器算法的研究，將流形學(xué)習(xí)與Gabor小波變換及二次分類器相結(jié)合，設(shè)計(jì)實(shí)現(xiàn)新的人臉識(shí)別方法，并進(jìn)行了實(shí)驗(yàn)仿真和結(jié)果分析。
　　 Gabor小波在生物特征信息提取中十分有效，本文將能夠有效地提取人臉圖像特征的Gabo

3、r小波變換與監(jiān)督流形學(xué)習(xí)中的邊界Fisher分析算法相結(jié)合，提出了一種新的子空間降維方法-基于Gabor特征的邊界Fisher分析算法(GMFA)，從而使識(shí)別性能有了顯著改善。
　　 在已有的邊界Fisher分析(MFA)方法基礎(chǔ)上，本文分析了原始MFA的缺陷，將最大邊界準(zhǔn)則(MMC)引入到MFA算法中，提出了改進(jìn)的邊界Fisher分析算法(EMFA)，解決了原始MFA存在的問(wèn)題。進(jìn)而將EMFA算法和Gabor小波變換相結(jié)合，得