2.2 基于统计的识别方法  这种方法用的最多的是 K-L 变换：把人脸图像按行或者列展开而形成高维向量当作一种随机向量，用 K-L 变换获得它的正交 K-L 基底，其中有较大特征值的基底的形状与人脸相似。国际上，在静态图像的人脸识别领域中，最富盛名的是 MIT 的Pentland 小组，他们主要使用的是基于 K-L 变换本征空间的特征提取方法，称为“本征脸”(Eigenface)。[3] 2.3 基于人工神经网的方法 人工神经网的方法就是把模型的统计特征隐含在神经网的结构和参数中,其核心思想是通过模式分类将人脸检测分为非人脸样本与人脸样本两大类。 通过对人脸样本集以及非人脸样本集进行学习以产生分类器。 人工神经网络一种在国际上被广泛使用的方法,尤其是,基于 BP 神经网络训练的算法在人脸识别中有着更为广泛的运用。这种方法对人脸这种复杂的、不易显式描述的模型有其特有的优势。人工神经网的方法的优点是便于建模,鲁棒性较好,缺点是运算速度较慢。 单独用人工神经网的方法处理320×240 像素的图片大约需要 140s。

Matlab的人脸识别研究(2):http://www.751com.cn/guanli/lunwen_58428.html