赖 玲，郑笔耕，谭云兰

(1.荆楚理工学院 计算机工程学院，湖北 荆门 448000；2.荆楚理工学院 电子信息工程学院，湖北 荆门 448000；3.井冈山大学 电子与信息工程学院，江西 吉安 343009)

0 引 言

人脸识别(face recognition，FR)是指使用计算机从给定一组属于不同人群的照片中识别出一个人[1]。目前，FR是一些商业或执法应用中的一项关键任务，如监视通缉犯、限制区域的访问控制以及照片共享应用程序中的自动标注。然而，该技术在复杂环境中，其识别准确度明显较低[2]。

近年来，学术界出现了许多相关的FR技术，如毋立芳等[3]设计了一种全姿态二值SIFT的人脸识别技术，该方法在标准人脸库中取得一定的成绩。但在二值化过程易损失部分有效信息，降低了识别率。此外，算法的性能主要依赖脸部图像的质量，因此，对光线变化、遮挡等环境下识别效果还有待提高。魏月纳等[4]将Gabor脸部特征融合，再根据信息的重要性划分子块。然后定义一种改进的隶属函数完成分类训练，可以弥补训练样本不足时导致的准确率不稳定。但是该技术在光照变化、视角变换等复杂环境中，所提算法稳定性较差，识别率不理想。此外，Gabor使用过程易出现维数灾难，降低效率。Chen等[5]通过结合类内信息，建立了一种新的目标函数。该算法是利用块策略和核理论推导出来的。实验结果表明所提系统在标准人脸库有效。但是，KNMF无法处理非线性可分离的数据点，无法有效判别特征非线性关系，对于复杂背景以及遮挡时识别效果不佳。……