人脸识别是当今模式识别和机器视觉领域的研究热点问题。由于人脸特征是一种独特的生物特征,具有便捷性、直接性、唯一性、有效性等诸多优点,被广泛运用到国防安全、商业保密、人机交互、可视通信、信息检索等众多应用领域当中。但人脸表征容易受到外界环境、自身生理变化以及成像条件等许多不确定因素的影响,使得人脸识别这一研究课题极具挑战性,因而人脸特征提取也成为人脸识别领域的一个基本问题。近年来,基于代数特征的人脸特征提取方法因计算方便、效果显著等优点受到广大人脸识别学者的青睐,国内外学者已相继提出多种改进算法应用于人脸识别。本文主要针对基于代数特征的人脸识别方法进行较为深入的研究,文章的主要工作内容如下:1、本文首先对人脸图像进行预处理和归一化处理,以减小背景、光照、头发、表情等因素对识别结果产生的干扰,保留用于人脸识别所需的重要特征信息。介绍集成矩阵距离(AMD)的概念,该距离度量可以更好的表征人脸图像矩阵之间的相似程度。2、本文在已有二维主成分分析(2DPCA)的基础上,利用正面人脸图像所具有的对称特性,采用类间散布矩阵代替总体散布矩阵来构造协方差矩阵,并结合使用AMD距离分类器实现人脸最终分类,提出了基于AMD和对称类间2DPCA(SI2DPCA+AMD)的特征提取方法。仿真实验表明,该方法具有良好的分类效果。3、介绍了线性判别分析方法,以及有此基础上产生的二维线性判别分析(2DLDA)。本章提出的基于AMD和双向模块2DLDA(BM2DLDA+AMD)的人脸识别算法,先通过对人脸图像进行分块处理,然后在行和列两个方向上同时进行模块2DLDA变换,最后使用AMD距离分类器完成分类。仿真实验表明,该方法提高了2DLDA的人脸识别率。4、使用Matlab GUI平台设计人脸识别算法分析平台,该平台能够较好的展现各种人脸识别算法的识别性能。本章还在TI公司的Davinci系列TMS320DM6437 DSP(Digital Signal Processor)的开发平台上进行了人脸识别算法的移植和优化。