1、人臉識(shí)別(FaceRecognition)是一個(gè)具有很高理論和應(yīng)用價(jià)值的研究課題。人臉?biāo)从车囊曈X(jué)信息在人與人的交流和交往中有著極其重要的作用。由于人臉的特殊性，使得人臉識(shí)別技術(shù)成為最具潛力的身份識(shí)別方式之一。人臉識(shí)別技術(shù)應(yīng)用廣泛，并且日益受到人們的廣泛關(guān)注，成為模式識(shí)別領(lǐng)域研究的熱點(diǎn)，同時(shí)人臉識(shí)別又是一個(gè)復(fù)雜和困難的研究課題。 支持向量機(jī)(SupportVectorMachine，SVM)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的模式識(shí)別方法，

2、是在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則基礎(chǔ)上發(fā)展出來(lái)的一種新的機(jī)器學(xué)習(xí)方法。支持向量機(jī)作為一種強(qiáng)大的機(jī)器學(xué)習(xí)理論，在多維非線性模式分類的應(yīng)用中己經(jīng)取得非常好的性能。隱馬爾可夫模型(HiddenMarkovModel，HMM)是用于描述信號(hào)統(tǒng)計(jì)特征的一組統(tǒng)計(jì)模型。HMM的基本理論由Baum和Welch等人于20世紀(jì)60年代末70年代初建立，在語(yǔ)音識(shí)別中應(yīng)用較多。本文將SVM與HMM構(gòu)成的混合模型應(yīng)用于人臉識(shí)別，取得了較高的識(shí)別率