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。独立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独立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，等人讨论了由单幅人脸图像生成其他视点的人脸图像的可能性，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，对这两类特征利用串行融合算法进行融合，并利用最近邻分类规则将图像进行分类。本论文研究内容的主要流程如图所示。图特征融合算法的主要流程奇异值提取特征提取输入人脸图像输入人脸图像串行融合最近邻分类输出分类结果以下为第个人物的人脸识别结果完成,绪论研究背景及意义人脸识别是生物特性鉴别技术的个主要方向，它涉及图像处理，模式识别，计算机视觉等多个研究领域，具有十分广泛的应用前景，多年来直是个研究热点。相对于其它人体生物特征识别技术，如指纹识别虹膜识别掌纹识别，人脸识别技术是最直接最自然最容易被人接受的。与其它技术相比，它具有侵犯性小较少需要或不需要用户的主动配合样本采集方便应用场合广泛潜在的数据资源丰富设备成本低等优点。人脸识别系统具备操作及流程简单适用面广支持对或对多比对支持多点同时采集比对带有数据库支持记录及查询功能，对采集现场环境要求较低，可在极短的时间里判断出进出者的身份是否合法，杜绝使用他人钥匙密码磁卡等非法进入。人脸识别技术的安全性可靠性较高，且拥有广泛的市场需求，它可以应用于公安部门的犯人档案管理犯人辨认查找刑侦破案安全验证系统信用卡验证医学档案管理视频会议人机交互系统证件核对保安监视门禁控制及至自动柜员机等多种场合。人脸识别对人类来说是件自然而然的事情，但对计算机而言，人脸识别却远非个已解决的课题。所有的人脸都具有相似的结构，在纹理上也十分相近。另外图像受光照成像角度及成像距离等外界条件影响，具有人千面的特点，欲建立种具有各种不变性的描述模型还是比较困难的。此外，人脸识别技术研究与相关科学的发展及人脑的认识程度紧密相关。诸多因素都使人脸识别研究成为项极富挑战性的课题，方面信息化进程的日益加快，电子商务重要场所的安全认证智能化环境等许多应用领域对与人脸有关的信息处理提出了迫切要求另方面，硬件和软件技术的发展，为满足实际应用系统对人脸检测跟踪及识别技术的实时化要求提供了可能性。所以，人脸识别的研究不仅涉及心理学生理学人工智能模式识别计算机视觉图像分析与处理等多个学科领域，更是模式识别人工智能和计算机视觉的典型案例之。对这问题的研究和解决，能够反映不同人脸之间的差别，同时又具有定的弹性，以消除时间跨度光照等的影响。几何特征矢量是以人脸器官的形状和几何关系为基础的特征矢量，其分量通常包括人脸指定两点间的欧式距离曲率角度等。基于弹性模型匹配方法弹性模型匹配方法的思想是将人脸上的些特征点作为基准点构成弹性图，每个基准点存储串具有代表性的特征矢量，采用分级结构的弹性图，去除些冗余节点，形成稀疏的人脸描述结构。通过测试样本和特征样本的弹性匹配来完成识别。弹性模型匹配方法有很多，例如在人脸图像上放置组矩形网格节点，每个节点的特征用该节点处的多尺度幅度特征描述，各节点之间的连接关系用几何距离表示，从而构成基于二维拓扑图的人脸描述，根据两个图像中各节点和连接之间的相似性进行人脸识别。还有将人脸图像表示为可变形的网格表面，将人脸匹配问题转换为曲面匹配问题，利用有限元分析的方法进行曲面变形，根据两幅图像之间变形匹配的程度识别人脸等。神经网络方法目前神经网络方法在人脸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，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，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，利用有助于对其他对象识别问题的研究分析和解决，人脸识别也因此成为这些基础研究领域的重要课题之，具有重要的理论研究价值。国内外研究现状及发展趋势近年来，人脸自动识别的研究取得了很大的进展，从工程索引上检索到的相关文献已达数千篇，包括在内的重要国际期刊也有专栏甚至专刊报道人脸识别的最新研究进展，同时还出现了专门的国际学术会议，如人脸手势识别国际学术会议。目前人脸识别领域内最著名的国际研究机构包括美国麻省理工学院媒体实验室及人工智能实验室南加州大学卡内基梅隆机器人研究及交互系统实验室马里兰大学等。另外，些国家或地区也有不少研究机构在人脸识别领域进行了大量的研究工作。年代中后期以来，国内的许多研究机构在自然科学基金计划攀登计划等资助下，开始了对人脸识别的研究。其中主要包括清华大学计算机系自动化系电子系以及哈尔滨工业大学南京理工大学信息学院中科院自动化所上海交通大学图像处理与模式识别研究所中山大学数学系等，他们在人脸识别研究领域都进行了许多很有意义的尝试，积累了经验。中科院计算所人脸识别研究小组年月与专门从事人脸识别商业系统开发和销售的四川成都银晨网讯科技有限公司全面合作，在北京成立了人脸识别联合实验室，专门研究和开发商业人脸识别系统。年来，实验室在实时人脸检测与跟踪人脸识别人脸确认等方面进行了大量卓有成效的研究，并开发了套具有良好鲁棒性的实时人脸检测系统提出了种新的基的人脸识别方法，并基于该方法开发了套实时人脸识别确认系统，目前已通过系统测试，并进入产品开发阶段。另外，实验室以成熟的特征脸人脸识别技术为基础，对其进行了很多改进和扩充，尝试了基于人工神经网络支持向量机线性判别分析基于的双子空间人脸识别方法等，研究了基于小波变换和弹性图匹配的人脸识别技术，以及基于统计模型的人脸识别方法等。人脸识别的常用方法基于几何特征的方法几何特征最早是用于人脸识别的。人脸由眼睛鼻子嘴巴下巴等部件构成，正因为这些部件的形状大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以作为人脸识别的重要特征。将人脸用个几何特征矢量表示，用模式识别中层次聚类的思想设计分类器达到识别目的。这就要求选取的几何特征矢量具有定的独特性，苏光大图像并行处理技术北京清华大学出版社，袁勇，李天牧种新的人脸特征定位及识别的方法云南大学学报自然科学版边肇祺，张学工模式识别北京清华大学出版社致谢在河北工业大学的学习生活即将结束，在做毕业设计的这段时间里，我的老师同学朋友和家人给予了我无微不至的关心，毫无保留的指导和耐心细致的帮助，借此毕业论文完成之际，谨向他们致以我最真诚的感谢,首先，我衷心感谢我的导师张志伟老师。张老师学识渊博治学严谨平易近人，她以其宽广的视野敏锐的洞察力严谨的治学态度在学术上给了我悉心的指导。论文进展并不顺利时，是张老师以长者的仁爱胸怀对我表示了理解，她不仅帮我指正了论文的方向，而且为我提供了大量的参考文献，导师勤勉的敬业精神和丝不苟的工作态度使我深深感动，这将是我生工作和学习的好榜样。其次，我还要特别感谢我的同学王新贺以及张波，他们不仅为我提供了部分编程代码，还细心的给我讲解了代码的含义，让我对我的课题有了更加深入的了解。最后，我要感谢我的父母和家人，他们这么多年来直给我以无私的关爱和支持，浓浓的亲情和期盼都是我学习的动力和源泉。再次真心的感谢所有关心爱护我的良师益友和亲人们,附录提取人脸图像的特征的源代码表示传入的要进行滤波的图像数据图像数据与的实部和分别进行卷积，附录程序执行主线源代码读取训练图像和测试图存储幅训练图像的特征开始基准图像文件的读取，第个文件处理完成