人脸包含的视觉信息是区别人与人之间差别的最重要生物特征之一,以其直接性、唯一性、方便性等特点,越来越受到人们的关注。人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,也是近年来研究的热点问题。 在应用领域上,目前可能的识别任务主要可以归为两类:身份识别/辨认/匹配(Recognition/Identification/match)、身份验证/证实/监督(Verification/Authentification/Surveillance)。前者在应用上的典型实例就是公安刑侦追逃。第二种应用情形的典型实例是身份证件的鉴别、自动门禁控制系统、银行ATM取款机、家庭安全等领域。简单讲,一个是判断他或她是谁,一个是判别他或她是不是某个人。目前,这一领域的产品正在受到越来越多的关注。 近年来,人们提出了许多的人脸识别方法,它们大体上可以分为一下几大类:基于几何特征的人脸识别方法、模板匹配的人脸识别方法、基于统计模型的方法、基于神经网络的方法、弹性图匹配的方法、基于AdaBoost的人脸识别方法和基于隐马尔可夫模型(HMM)的人脸识别方法等。但由于人脸的可变塑性和在成像过程中多种因素的影响,目前已经取得的研究成果距离这一问题的彻底解决和实际应用还有相当大的距离。所以,本文主要做了如下几个方面的工作: 首先,本文采用了局部奇异值分解的方法进行人脸的特征提取。它是对奇异值分解算法的一种改进,即:将人脸图像进行人为的区域划分,然后对每个区域求其奇异值向量,然后由多个向量组成整体图像的奇异值向量序列。通过实验,我们总结出,人脸的特征主要包含在奇异值向量的前几位变化较大的非零分量中,所以,在实际应用中,我们只选取各个局部奇异值向量的前几位非零值,这样不仅保留了有用的信息,还