本文作者主要做了两方面研究:其一是在人的面部识别算法研究领域首次提出了U型脸的概念,U型脸是人的面部照片预处理模型,通过实验证明U型脸模型在一定程度上提高了识别率,达到作者的预期效果。其二是利用基因算法进一步改进了主元分析人的面部识别算法,本文作者在前人的基础上又提出了三点改进,实验结果表明改进后的算法比前人的算法取得的效果要好。下面详细介绍这两个方面:1.U型脸是人的面部照片预处理模型,它把头发、背景等不利于人脸识别的因素去掉,用标准的背景替代,只留取人脸的关键部位;这样可以在一定程度上消除时间对人的面部的影响;U-1是理想模型、概念模型;U-2是一种类似U-1的粗糙模型;U-3模型是比较近似U-1的模型;U-4模型是对U型脸模型的扩展,该模型与前三个模型有本质的区别。2.利用基因算法对主元分析人的面部识别算法的特征空间进行优化选取,本文作者在前人的基础上提出了三点改进。传统方法对特征空间的确定有一定的局限性,并不能达到最优的效果,利用基因算法可以在这方面进行改进。三点改进:首先是对基因算法编码位数的改进,原来如果是N位,现在只需要N-1位,并且能够达到同样的效果,降低了算法的时间复杂度和空间复杂度;其次是前人的初始种群是随机确定的,本文作者根据特征值及其特征向量的分布规律确定了非随机初始种群方法,在一定程度上提高了搜索效率;最后是在基因算法运行过程中保存每代最高适应度的所有染色体,算法运行结束后根据多种方式筛选获得最优结果。