生物特征识别技术就是利用每个人都具有但又各不相同的生理特征，比如虹膜、指纹、人脸、视网膜、掌纹、DNA等，这些生物特征都具有独特性和不易更改的特性。而人所独有的行为特征，例如笔迹和声音等，更具有独一性和不易模仿等特性，利用图像识别技术来对每个个体进行识别和身份认证。人脸与其他的生物特征相对比来讲，更具有唯一性、稳定性、不易复制、不可顶替等特性，用来进行身份确认比其他传统的鉴别手段更安全也更高效，所以人脸识别技术被看作是目前最优的生物特征识别技术。
　　在公共交通管理系统中运用人脸识别技术，将乘客与扒窃数据库里的人员进行对比，从而确定出嫌疑人。人脸图像通常是比较大的图像，要是直接把图像输入到网络中，会带来不可估计的计算量。最常见的处理方法就是把图像进行压缩，这虽然起到减少计算量的目的，但与此同时会丢失很多对识别有用的信息。为了能更好的避免上述问题，在公共交通管理系统的大背景下，提出Adaboost算法+双向2DPCA算法的嫌疑人识别作为该系统的前期研究。Adaboost算法是boosting算法的提升算法，Adaboost的核心思想是通过增加分类错误样本的权重来训练弱分类器，并通过每次迭代来进行逐一改进，最终把这些所有分类器通过线性组合的方式构造为一个更强大的分类器。双向2DPCA算法是根据传统主成分分析的人脸识别算法的不足进行改进升级，该算法的主要思想是通过降低数据维度进行特征提取。将双向2DPCA算法加入到Adaboost算法中，不但可以更准确的定位到人脸还可以提高嫌疑人人脸的识别速度。把人脸识别算法在嵌入式系统中实现，该系统安装在公共交通旅客出入通道，定期通过无线网络进行图像数据的更新。