1、人臉識別研究工作一般分為三個步驟:人臉檢測、面部特征定位以及人臉特征提取與識別.而人臉特征的提取與特征識別是人臉識別整個過程中最為關(guān)鍵的環(huán)節(jié).本文以模式識別的特征子空間思想為主要研究方法,系統(tǒng)地研究了人臉特征提取與識別技術(shù). 在特征提取部分,使用了PCA、SpPCA、LDA、KPCA、KLDA算法對人臉特征進(jìn)行提取.子模式主分量分析(spPCA)通過先劃分輸入模式為子模式,然后在各個子模式中分別提取局部信息的策略,經(jīng)實(shí)驗證實(shí)該方

2、法較PCA更為快速有效.基于核的兩種特征提取算法,首先通過非線性變換將原始空間變換到高維空間,使得樣本線性可分,然后再利用PCA和LDA方法提取最優(yōu)的特征向量,它避免了利用線性方法處理問題產(chǎn)生的缺陷. 在分類器設(shè)計部分,重點(diǎn)研究了徑向基函數(shù)網(wǎng)絡(luò)分類器在人臉識別方面的應(yīng)用.提出了利用非監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)結(jié)合的聚類算法,確定隱層基函數(shù)的參數(shù),解決了常用的k均值算法等存在的問題；學(xué)習(xí)過程通過調(diào)整權(quán)值、計算誤差、修正隱層單元的參數(shù),以達(dá)