了PCA等传统线性方法难以保持原始数据非线性流形的缺点，又解决了非线性方法难以获得新样本点低维投影的缺点。
5主成分分析PCA
PCA模式识别领域一种重要的方法，现在已被广泛地应用于人脸识别算法中，基于PCA人脸识别系统在应用中面临着一个重要障碍：增量学习问题。增量PCA算法由新增样本重构最为重要PCS，但该方法随着样本的增加，需要不断舍弃一些不重要PC，以维持子空间维数不变，因而该方法精度稍差。
6其他方法：弹性匹配方法、特征脸法基于KL变换、人工神经网络法、支持向量机法、基于积分图像特征法adaboost学习、基于概率模型法。
三、三维人脸识别算法综
二维人脸识别方法的最大不足是在面临姿态、光照条件不同、表情变化以及脸部化妆等方面较为脆弱，识别的准确度受到很大限制，而这些都是人脸在自然状态下会随时表现出来的。三维人脸识别可以极大的提高识别精度，真正的三维人脸识别是利用深度图像进行研究，自90年代初期开始，已经有了一定的进展。三维人脸识别方法有：
1基于图像特征的方法：采取了从3D结构中分离出姿态的算法。首先匹配人脸整体的尺寸轮廓和三维空间方向；然后，在保持姿态固定的情况下，去作脸部不同特征点这些特征点是人工的鉴别出来的局部匹配。
2基于模型可变参数的方法：使用将通用人脸模型的3D变形和基于距离映射的矩阵迭代最小相结合，去恢复头部姿态和3D人脸。随着模型形变的关联关系的改变不断更新姿态参数，重复此过程直到最小化尺度达到要求。基于模型可变参数的方法与基于图像特征的方法的最大区别在于：后者在人脸姿态每变化一次后，需要重新搜索特征点的坐标，而前者只需调整3D变形模型的参数。
四、人脸识别算法发展趋势
f龙源期刊网httpwwwqika
comc
二维与三维人脸识别相结合，多种模式的识别使用，可以有效地提高人脸识别精确度；二维识别算法逐步应用于三维人脸识别；人脸识别算法要能克服：姿势、表情的变化，佩戴眼睛、珠宝和其它一些因素及光线等因素影响；识别算法应该需要更少的计算量。
参考文献：
1段锦周春光刘小华三维人脸识别研究进展J小型微型计算机系统2004255886～890
2邢书宝电子商务环境下生物特征识别技术综述J《商场现代化》，2008年第9期P146
3PATRAAKI
flue
ceofWi
dSspeedProfilea
dRough
essParameterso
theDow
wi
dExte
sio
ofVul
erableZo
esDuri
gDispersio
ofToxicDe
seGasesJJour
alofLossPreve
tio
i
theProcessI
dustries200619495～497
fr