在人机交互中,如何能够进一步提高人机交互中的身份验证——人脸识别的性能一直是待解决的关键问题。针对这一关键问题,本文主要对人脸识别方法进行了研究,具体如下:1.对基于特征子空间的人脸特征提取方法进行了研究,分别介绍了PCA、KPCA、2DPCA、DLDA、KDDA、2DLDA、Fast ICA、KICA等八种方法,对每种方法的原理、步骤及优缺点均作了详细的分析。2.提出了一种新的二维线性判决分析方法,在对人脸原始图像进行光照补偿后,先对其进行奇异值扰动及小波变换,再采用2DLDA方法进行人脸的特征提取,并对提取的特征进行PCA降维,最后用支持向量机进行分类。将此方法应用于ORL人脸数据库,并与其他的识别方法进行了比较。实验结果表明,利用此方法,可以用更少的特征维数得到更优的识别性能。3.实现了人机交互中的简单背景下的单人脸实时识别系统。采用YCbCr肤色模型进行人脸的检测与定位,图像预处理选择灰度变换、对数变换光照补偿法及对人脸区域内的人脸面部图像的尺寸缩放,选用二维LDA的特征提取方法和最近邻分类器进行识别,最终实现一个对320×240视频图像的实时人脸识别系统。实验结果表明,其识别率可达90%以上。