人脸识别在各种需要身份识别和验证的场合,例如边防、海关、公安、刑侦、智能视频监控系统、智能门禁系统、智能考勤系统、智能验票系统、人机交互、计算机或其它重要设备的使用权限控制等领域都有着广泛的应用,因而受到了国内外学术界和产业界的广泛关注,目前,仍是模式识别领域的一个研究热点。本文研究了偏最小二乘回归和典型相关分析在人脸识别中的应用。本文的主要工作如下:1、提出了一种基于仿生特征和偏最小二乘回归(PLS)的人脸识别算法。算法首先提取人脸图像的C1仿生特征,然后利用主成分分析(PCA)方法对其降维,最后,构造类隶属矩阵,并利用偏最小二乘回归进行分类和识别。在ORL人脸库和Yale人脸库对算法进行了验证,对仿生特征和计算机视觉中最著名的两种特征LBP特征和HOG特征进行了比较,将PLS方法和最近邻分类方法以及SVM方法进行了比较。实验结果表明,本文提出的C1+PCA+PLS的方法识别率高于常用的人脸识别方法。2、提出了基于仿生特征和典型相关分析(CCA)的人脸识别算法。算法首先提取人脸图像的C1仿生特征,然后利用PCA+CCA方法进行降维,最后,构造类隶属矩阵并利用多元线性回归方法进行分类和识别。在ORL人脸库和Yale人脸库对算法进行了验证,实验结果表明,该算法和本文提出的C1+PCA+PLS算法相比,识别率又有了进一步的提高。3、考虑到C1特征和LBP特征具有一定的互补性,因此,本文利用CCA方法对C1仿生特征和LBP特征进行融合,并利用SVM作为分类器,提出了一种新的基于特征融合的人脸识别方法。在ORL人脸库上的测试结果表明,该算法比采用单一特征的人脸识别算法识别率要高。