任天成，刘 新，崔克彬（.山东电力研究院，山东 济南 5000；.华北电力大学，北京 07003）

0 引言

在高度信息化的现代社会，人们的身份鉴别已经渗透到日常生活的各个方面。同时，由于交通、通信和网络技术的飞速发展，人们的活动范围也越来越大，身份鉴别的难度和重要性也越来越突出。人脸识别在公安部门、安全验证系统、信息卡验证、档案管理、虚拟现实、智能人机接口、视频会议系统及监控系统等方面有着非常重要的理论研究价值和实用价值。因此，人脸识别也成为当前模式识别和人工智能领域研究的热点问题之一。

人脸如同指纹、虹膜、手形及DNA一样具有唯一性，同时由于它的无侵害性、成本低和对用户最自然、最直观的方式，使人脸识别在众多的生物测定技术中倍受青睐。人脸识别的基本方法有两大类，一种是基于几何特征参数［1］的方法，如提取眼、嘴、鼻等人脸主要部位的特点及其构成的二维拓扑结构，再按照某种距离准则进行分类。 但由于在参数提取、特征匹配这两方面都仍有许多问题需要解决，因此这种方法的应用范围和识别效果还十分有限。另一种是基于模板匹配［2］的方法。这种方法从人脸图像的整体出发，通过计算模板和图像灰度的自相关性进行分类识别。其中，基于小波特征的弹性匹配方法［3］识别效果是比较理想的，但计算十分复杂。 而主成分分析（principle component analysis）方法则以其计算简单、识别率较好而在各种方法中独具优势。这种方法通过计算图像矩阵的本征值及其本征向量提取特征参数，在待识别人脸和训练样本之间采用欧氏距离来进行分类。……