1、基于圖像的自動(dòng)人臉識(shí)別技術(shù)是模式識(shí)別和機(jī)器學(xué)習(xí)等領(lǐng)域的熱點(diǎn)問(wèn)題,在實(shí)際中也有著廣泛的應(yīng)用前景。本文主要研究了統(tǒng)計(jì)學(xué)習(xí)中的兩種主要方法——產(chǎn)生式模型和判別式模型——應(yīng)用在人臉識(shí)別中的若干問(wèn)題。對(duì)于一般的分類(lèi)問(wèn)題,產(chǎn)生式模型著力對(duì)各類(lèi)數(shù)據(jù)的內(nèi)在分布進(jìn)行建模,而判別式模型著力對(duì)各類(lèi)間的分界面進(jìn)行建模。針對(duì)現(xiàn)有模型在人臉識(shí)別應(yīng)用中的問(wèn)題,我們對(duì)以下幾個(gè)方面進(jìn)行了研究:1)對(duì)于產(chǎn)生式的流形分布模型,我們提出一種基于神經(jīng)網(wǎng)絡(luò)的擴(kuò)展學(xué)習(xí)方法,解決了一

2、般的流形學(xué)習(xí)算法不能擴(kuò)展到測(cè)試集新樣本的問(wèn)題。2)對(duì)于產(chǎn)生式的三維可變形人臉模型,我們提出了一個(gè)兩階段的多姿態(tài)人臉識(shí)別方案并改進(jìn)了模型匹配的精度和速度。3)對(duì)于判別式的線性子空間方法,我們提出了一種新的判別準(zhǔn)則,它在子空間維度較小的情況下能夠避免Fisher準(zhǔn)則的次優(yōu)性問(wèn)題。4)對(duì)于人臉識(shí)別這樣的多類(lèi)判別問(wèn)題,我們提出了一種新的對(duì)類(lèi)別進(jìn)行編碼的策略和基于概率的解碼方法,從而更有效地利用了現(xiàn)有的兩類(lèi)判別算法。5)最后,為了融合產(chǎn)生式模型和