1、“.....主要是利用计算模板和图像灰度的自 相关性来实现识别功能，般来说模板匹配法要优于基于几何特征法。目前，在诸 多子空间方法中，应用最广泛的是特征脸法，这是针对人脸整体特征的研究， 利用变换原理，将图像表示为些低维的正交基组成的子空间，然后 采用最小距离准则进行人脸识别。线性判别分析是种较为普遍的用于特征 提取的线性分类方法。它使投影后的模式样本的类间散布矩阵最大而类内散布矩阵最级本科毕业设计论文第页共页 小，也就是说，投影后保证模式样本在新的空间中有最大的类间距离和最小的类内距 离，即模式在该空间中有最佳的可分离性。线性判别分析提取的特征向量集强调的是 不同人脸的差异而不是照明条件人脸表情和方向的变化。因而，采用此方法对光照 条件人脸姿态等的变化不太敏感，从而有助于提高识别效果。但是传统的算法常常 遇到的个问题是样本类内散度矩阵通常是奇异的......”。

2、“.....针对这 问题已有了许多改进方法并取得了很好的识别效果。分量分析是种 很有效的提取方法。与相比，有两个优势是获得的分量不需要 满足正交关系，能够消除象素间的高阶统计相关性，而只能消除象素间的二阶统 计相关性二是获得的组矢量比本征矢量更具空间局部描述性，具有更好的人 脸描述能力。借鉴的方法，和等都被扩展到了核空间。与 线性子空间方法相比，基于的方法获得了更好的识别效果,。 其他方法 等对模板匹配方法作了大量实验，结果表明在尺度光照旋转角度等各 种条件稳定的情况下，模板匹配的效果优于其他方法，但它对光照旋转和表情变化 比较敏感，影响了它的直接使用。等人采用局部自相关性作为人脸识别的判断 依据，它具有平移不变性，在脸部表情变化时比较稳定。在最近的些工作中， 等提出的表示框架并将它用于人脸识别的工作中，等人研究了不同视点下的 人脸匹配和识别问题......”。

3、“.....等则探讨了多种信息融合的人脸识别方法。 本论文的主要研究工作 本论文主要研究种应用于人脸识别的特征融合算法，该算法提取人脸图像中关 键特征点的特征作为局部特征，提取人脸图像的奇异值特征作为全局特征，对 这两别中的研究方兴未艾。,提出种方法，首 先提取人脸的个主元，然后用自相关神经网络将它映射到维空间中，再用个普 通的多层感知器进行判别，对些简单的测试图像效果较好,等提出了种 混合型神经网络来进行人脸识别，其中非监督神经网络用于特征提取，而监督神经网 络用于分类。,等将人脸的特点用六条规则描述，然后根据这六条规则进行五官 的定位，将五官之间的几何距离输入模糊神经网络进行识别，效果较般的基于欧氏 距离的方法有较大改善,等采用卷积神经网络方法进行人脸识别，由于卷 积神经网络中集成了相邻像素之间的相关性知识......”。

4、“.....因此得到非常理想的识别结果。神经网络方法在人脸 识别上的应用比起前述几类方法来有定的优势，因为对人脸识别的许多规律或规则 进行显性的描述是相当困难的，而神经网络方法则可以通过学习的过程获得对这些规 律和规则的隐性表达，它的适应性更强，般也比较容易实现。 基于线性和非线性子空间的方法 基于子空间的方法是基于图像像素本身的，主要是利用计算模板和图像灰度的自 相关性来实现识别功能，般来说模板匹配法要优于基于几何特征法。目前，在诸 多子空间方法中，应用最广泛的是特征脸法，这是针对人脸整体特征的研究， 利用变换原理，将图像表示为些低维的正交基组成的子空间，然后 采用最小距离准则进行人脸识别。线性判别分析是种较为普遍的用于特征 提取的线性分类方法。它使投影后的模式样本的类间散布矩阵最大而类内散布矩阵最级本科毕业设计论文第页共页 小......”。

5、“.....投影后保证模式样本在新的空间中有最大的类间距离和最小的类内距 离，即模式在该空间中有最佳的可分离性。线性判别分析提取的特征向量集强调的是 不同人脸的差异而不是照明条件人脸表情和方向的变化。因而，采用此方法对光照 条件人脸姿态等的变化不太敏感，从而有助于提高识别效果。但是传统的算法常常 遇到的个问题是样本类内散度矩阵通常是奇异的，即小样本集合问题。针对这 问题已有了许多改进方法并取得了很好的识别效果。分量分析是种 很有效的提识别中的研究方兴未艾。,提出种方法，首 先提取人脸的个主元，然后用自相关神经网络将它映射到维空间中，再用个普 通的多层感知器进行判别，对些简单的测试图像效果较好,等提出了种 混合型神经网络来进行人脸识别，其中非监督神经网络用于特征提取，而监督神经网 络用于分类。,等将人脸的特点用六条规则描述，然后根据这六条规则进行五官 的定位......”。

6、“.....效果较般的基于欧氏 距离的方法有较大改善,等采用卷积神经网络方法进行人脸识别，由于卷 积神经网络中集成了相邻像素之间的相关性知识，从而在定程度上获得了对图像平 移旋转和局部变形的不变性，因此得到非常理想的识别结果。神经网络方法在人脸 识别上的应用比起前述几类方法来有定的优势，因为对人脸识别的许多规律或规则 进行显性的描述是相当困难的，而神经网络方法则可以通过学习的过程获得对这些规 律和规则的隐性表达，它的适应性更强，般也比较容易实现。 基于线性和非线性子空间的方法 基于子空间的方法是基于图像像素本身的，主要是利用计算模板和图像灰度的自 相关性来实现识别功能，般来说模板匹配法要优于基于几何特征法。目前，在诸 多子空间方法中，应用最广泛的是特征脸法，这是针对人脸整体特征的研究， 利用变换原理，将图像表示为些低维的正交基组成的子空间......”。

7、“.....线性判别分析是种较为普遍的用于特征 提取的线性分类方法。它使投影后的模式样本的类间散布矩阵最大而类内散布矩阵最级本科毕业设计论文第页共页 小，也就是说，投影后保证模式样本在新的空间中有最大的类间距离和最小的类内距 离，即模式在该空间中有最佳的可分离性。线性判别分析提取的特征向量集强调的是 不同人脸的差异而不是照明条件人脸表情和方向的变化。因而，采用此方法对光照 条件人脸姿态等的变化不太敏感，从而有助于提高识别效果。但是传统的算法常常 遇到的个问题是样本类内散度矩阵通常是奇异的，即小样本集合问题。针对这 问题已有了许多改进方法并取得了很好的识别效果。分量分析是种 很有效的进行五官 的定位，将五官之间的几何距离输入模糊神经网络进行识别，效果较般的基于欧氏 距离的方法有较大改善,等采用卷积神经网络方法进行人脸识别......”。

8、“.....从而在定程度上获得了对图像平 移旋转和局部变形的不变性，因此得到非常理想的识别结果。神经网络方法在人脸 识别上的应用比起前述几类方法来有定的优势，因为对人脸识别的许多规律或规则 进行显性的描述是相当困难的，而神经网络方法则可以通过学习的过程获得对这些规 律和规则的隐性表达，它的适应性更强，般也比较容易实现。 基于线性和非线性子空间的方法 基于子空间的方法是基于图像像素本身的，主要是利用计算模板和图像灰度的自 相关性来实现识别功能，般来说模板匹配法要优于基于几何特征法。目前，在诸 多子空间方法中，应用最广泛的是特征脸法，这是针对人脸整体特征的研究， 利用变换原理，将图像表示为些低维的正交基组成的子空间，然后 采用最小距离准则进行人脸识别。线性判别分析是种较为普遍的用于特征 提取的线性分类方法......”。

9、“.....也就是说，投影后保证模式样本在新的空间中有最大的类间距离和最小的类内距 离，即模式在该空间中有最佳的可分离性。线性判别分析提取的特征向量集强调的是 不同人脸的差异而不是照明条件人脸表情和方向的变化。因而，采用此方法对光照 条件人脸姿态等的变化不太敏感，从而有助于提高识别效果。但是传统的算法常常 遇到的个问题是样本类内散度矩阵通常是奇异的，即小样本集合问题。针对这 问题已有了许多改进方法并取得了很好的识别效果。分量分析是种 很有效的提取方法。与相比，有两个优势是获得的分量不需要 满足正交关系，能够消除象素间的高阶统计相关性，而只能消除象素间的二阶统 计相关性二是获得的组矢量比本征矢量更具空间局部描述性，具有更好的人 脸描述能力。借鉴的方法，和等都被扩展到了核空间。与 线性子空间方法相比，基于的方法获得了更好的识别效果......”。