由于人脸是一个共性与特性共存的实体，每个人脸都有一定的相似性及规则，但是不同的人脸又存在着明显的区别。传统的人脸识别方法产生的人脸特征子空间通常都是由人脸库中的所有训练样本产生的一个通用的子空间，此子空间包含的更多的是所有人脸样本的共性特征，而忽略了对于人脸识别更为重要的一些个性特征。考虑到单个人脸的一些个体特征，基于独立成份分析算法，我们以其类内协方差矩阵为产生矩阵获取单个人的人脸特征子空间，然后将待识别图像对每个特征子空间进行映射提取特征，并以此特征值进行图像重构，将获得的图像重构误差作为新的特征向量。基于此特征向量，我们采用支持向量机分类识别算法实现人脸识别，该方法比以往的特征子空间方法更为充分的利用了不同人的人脸特征，有效的提高了识别准确率。
项目简介
项目基本概况（含技术指标、技术创新点）
由于人脸是一个共性与特性共存的实体，每个人脸都有一定的相似性及规则，但是不同的人脸又存在着明显的区别。传统的人脸识别方法产生的人脸特征子空间通常都是由人脸库中的所有训练样本产生的一个通用的子空间，此子空间包含的更多的是所有人脸样本的共性特征，而忽略了对于人脸识别更为重要的一些个性特征。考虑到单个人脸的一些个体特征，基于独立成份分析算法，我们以其类内协方差矩阵为产生矩阵获取单个人的人脸特征子空间，然后将待识别图像对每个特征子空间进行映射提取特征，并以此特征值进行图像重构，将获得的图像重构误差作为新的特征向量。基于此特征向量，我们采用支持向量机分类识别算法实现人脸识别，该方法比以往的特征子空间方法更为充分的利用了不同人的人脸特征，有效的提高了识别准确率。
市场前景分析
可应用于人脸识别领域，具体可用于证件中的身份认证；楼宇进出的安全控制；重要场所的安全检测和监控；智能卡中的身份认证、考勤；智能设备的安全控制、图像信息的检索与查询等，具有广阔的市场前景。
