1、人臉識別是計算機視覺和模式識別領(lǐng)域的一個活躍課題，在商業(yè)和法律上有廣泛的應(yīng)用前景，在安全監(jiān)控中也大有用武之地。廣義上的人臉識別系統(tǒng)可分為人臉檢測與定位、特征提取與識別兩個主要環(huán)節(jié)，這里所說的人臉識別主要指特征提取與識別部分。 本文介紹了多分類器融合結(jié)構(gòu)和規(guī)則，主要分析了基于貝葉斯理論的各種融合規(guī)則并對其中的投票法進行改進：賦予不同分類器不同的權(quán)值，增加“第二候選人”備選。文中還介紹了三種人臉識別方法：二維加權(quán)主元分析方法(2DW

2、PCA)、二維分塊Fisher線性鑒別方法(2DBFLD)及二維離散余弦變換方法(2DDCT)，并將其運用于多分類器融合的人臉識別過程。這些方法不用將二維的人臉圖像預(yù)先轉(zhuǎn)換為一維的向量，提高了特征提取的速度。本文還在ORL人臉圖像庫上對成員分類器進行實驗仿真，分別使用最近鄰和最小距離進行分類。首先比較2DWPCA和2DPCA，前者在提取整體特征的同時考慮到了含識別信息較多的局部特征，實驗數(shù)據(jù)表明，其性能一般要優(yōu)于后者。其次比較2DBFL