1、“.....因此在身份识别领域受到青睐。人脸识别技术相对指纹识别等其他识别技术稳定性强，识别速度快，适用场合广泛，在不同场合中实现了各种各样的智能化应用。结合准则和主成分分基于的人脸识别方法设计与实现论文原稿身份是识别技术中极其重要的种识别方法，本文研究了结合准则和主成分分析算法的人脸识别方法，采用基于奇异值分解的特征提取算法，通过计算协方差矩阵的特征值以及特征向量，使用欧式距离判断输入图像与结果。为了生成人脸特征库......”。

2、“.....形成特征子空间。使用公式对人脸图像进行标准化处理，形成的标准化图像对特征子空间进行投影，得到向量。随后使用欧式距离法进行图像的判别，测试图像与每提取主要元素，从而减少数据处理难度。本系统主要分为生成训练样本计算特征脸和识别匹配部分，程序框图如图所示。选择训练样本和测试样本库，然后在样本训练库和测试库中选择样本图片，如图所示。系统进行样本训练后即可完分类器设计步骤如下计算各类样本均值向量，是各个类的均值，是类的样本个数......”。

3、“.....即样本训练集和库中存储特征样本按照相应的规则进行匹配。目前常用的手段是使用最近邻分类器结合欧式距离进行比对。准则原理假设训练集样本测试集样本有个特征，为了找出最好的投影方向，可以通过计算样本的平均值样本类内向量以及特征值比较繁琐。为了避免上述现象，我们采用奇异值分解定理。由此可计算出，且和存在共同非零的特征值，和分别为和对应特征值的正交特征向量......”。

4、“.....构造出矩阵，表示为，从而较平均值样本类内的离散度矩阵样本类间的离散度矩阵以及总类间离散度矩阵。根据最佳投影方向投影所有训练集样本到维空间为，然后找到空间的边界点，即可将待测样本投影到维空间，通过比对投影点与分界点之间的关系将样结构特征去识别和记忆对象，因为这两种特征易于被察觉和感知。计算机在对数学特征的处理上具有优势，所以我们利用计算机的特点在人脸识别过程中完成如计算协方差矩阵统计样本平均值等工作......”。

5、“.....根据最佳投影方向投影所有训练集样本到维空间为，然后找到空间的边界点，即可将待测样本投影到维空间，通过比对投影点与分界点之间的关系将样本进行分类。记忆对象，因为这两种特征易于被察觉和感知。计算机在对数学特征的处理上具有优势，所以我们利用计算机的特点在人脸识别过程中完成如计算协方差矩阵统计样本平均值等工作......”。

6、“.....即样本训练集和待测样本的均值之差的值要大，即类间距离最大化。同时要实现类内的距离最小化，即各样本在类内紧密。基于的人脸识别算法是人脸识别领域容易地计算出的特征值及特征向量，然后即可根据上式求出协方差矩阵的特征值以及特征向量。特征提取每副人脸图像中都有区别于其他图像的特征。人脸的特征主要分为物理结构和数学特征种。人们常通过物理和结构特征去识别本进行分类。基于的人脸识别方法设计与实现论文原稿。第步计算特征脸。训练样本表示为......”。

7、“.....将训练样本与的转置相乘得到训练图像的协方差矩阵，则的维度为。那么协方差的维度较高，从而导致计算特取后的样本与人脸库中存储特征样本按照相应的规则进行匹配。目前常用的手段是使用最近邻分类器结合欧式距离进行比对。准则原理假设训练集样本测试集样本有个特征，为了找出最好的投影方向，可以通过计算样本种常用算法，能够在保留原始图像大部分信息数据的前提下，降低空间维度，提取主要元素，从而减少数据处理难度。特征提取每副人脸图像中都有区别于其他图像的特征......”。

8、“.....人们常通过物理基于的人脸识别方法设计与实现论文原稿，如图所示。系统进行样本训练后即可完成人脸识别匹配，匹配结果如图所示。分类器设计步骤如下计算各类样本均值向量，是各个类的均值，是类的样本个数。计算样本类内离散度矩阵和总类间离散度矩阵计算样本类间随后使用欧式距离法进行图像的判别，测试图像与每个人脸图像间的距离为，从中选择满足最小距离的图像作为匹配结果。系统实现本文中人脸识别程序使用平台编程实现......”。

9、“.....降低了处理图像的维度，能够在保留原始图像大部分信息的前提下提取图像中的主要元素，减少了数据处理难度。样本测试过程中，需要识别的人脸的特征，然后将经过计算提取后的特征和特征数据库中训练图像之间的类似度的方法进行人脸判别分类，识别出匹配图像。关键词人脸识别算法准则中图分类号文献标识码文章编号引言随着科学技术的进步，有效可高的身份识别技术越来越受到人们的重视。生物特征个人脸图像间的距离为，从中选择满足最小距离的图像作为匹配结果......”。