1、人臉識別技術(shù)因?yàn)槠湓谛畔踩?、公共安全、金融等方面的?yīng)用前景已經(jīng)成為模式識別和機(jī)器視覺領(lǐng)域的熱門研究課題之一。隱馬爾可夫模型（Hidden Markov Model，HMM）作為一種統(tǒng)計(jì)的識別方法，不僅能夠考慮到各個器官的數(shù)值特征，而且還兼顧了人臉的整體特征，因而可以取得較好的識別效果。一個人臉識別系統(tǒng)的識別準(zhǔn)確率在很大程度上取決于特征提取部分，因此特征提取是人臉識別中一個至關(guān)重要的環(huán)節(jié)。
　　本文針對傳統(tǒng)的隱馬爾可夫模型在特征提

2、取方面的不足，運(yùn)用了離散余弦變換(DCT)、奇異值分解(SVD)、離散小波變換（DWT）以及局部二值模式（LBP）四種特征提取方法，分別從人臉辨別和人臉認(rèn)證兩個方面研究了基于不同特征提取方法的隱馬爾可夫模型的識別性能。
　　本文首先使用不同的特征提取方法優(yōu)化HMM模型的觀察矢量，有效地提高系統(tǒng)的識別性能；其次，將以上幾種算法應(yīng)用到人臉辨別和人臉認(rèn)證兩個領(lǐng)域，在不同人臉庫中進(jìn)行仿真，并且引入了多種性能評價(jià)指標(biāo)來全方位的評價(jià)算法的性能