获得了成功的应用。 然而，大部分基于特征的 人脸识别算法中，只应用了幅值信息，而没有应用相位信息，主要原因是 相位信息随着空间位置呈周期性变化，而幅值的变化相对平滑而稳定。 所以本论文将 输入图像依次与滤波器组的各个滤波器进行卷积，并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的形式  如果矩阵代表幅人脸图像，式就是对该人脸图像进行了正交分解，将 矩阵中主对角线上的奇异值元素连同中剩余的个构成个维列向级本科毕业设计论文第页共页 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