脸大小约束在规定范围内。到1996年6月，该数据库已存储了1199个人的14126幅图像，而且逐年增加。但到目前为止，该数据库并未提供运动图像系列或包含语音信息。FERET数据库的最大缺点是非美研究机构的获取不便。
（4）日本ATR数据库。该数据库考虑了除人脸特征外的其他信息在人脸识别中的作用，提供人脸和语音的合成，由60人组成。但其中人脸图像是静止的而非运动图像序列。
(5)欧洲MZVTS多模型人脸数据库。该数据库用于测试多模型身份鉴别。目前该库由37人组成，每人有5个图像序列，拍摄时间间隔一周左右。其中至少有一个序列提供合成语音。
其他数据库还有: CMU(Carnegie Mellon University)正面人脸数据库，MIT单人脸数据库等。ORL人脸数据库是目前使用最广泛的标准数据库，它含有大量的比较结果，并且使用该人脸数据库发表的人脸识别论文数量是最多的，是识别算法之间进行比较的首选数据库。本文所采用的是ORL人脸数据库[6]。
第六章 总结与展望
6.1 总结
人脸识别具有重大的理论意义和应用意义，它是一项结合了多学科，多领域知识方法的技术。长期以来，如何利用计算机进行准确，快速的人脸识别，一直是图像处理与模式识别的研究热点与难点。社会的发展促进了身份认证技术市场的急速扩大，人脸识别因其自身的优点，在身份认证中的使用日益频繁。人脸识别技术具有广泛的社会需求和市场前景。
本文回顾了人脸识别发展历程及研究现状，详细介绍了人脸识别系统的构成与工作以及其中的一些关键性问题，对特征脸方法作了详细介绍，并运用其设计出人脸识别程序。本文所做的主要工作归纳如下：
（1） 概述了人脸识别技术的应用及其难点，发展与现状，研究内容与主要方法，及常用的人脸识别标准数据库。
（2） 介绍了人脸识别中会使用到的各种分类器。
（3） 详细介绍了人脸识别的流程、KL变换、特征脸方法（PCA），使用特征脸方法设计出人脸识别程序并计算出识别成功率。
（4） 在分类器的设计上，采用最近了邻分类器和三阶近邻分类器两种分类器进行分类识别，并且通过实验比较识别效果。
6.2 展望
人脸识别是一个多学科领域的挑战性难题，近30年来人脸识别的研究虽然取得了巨大的进步，但与人类的感知能力相距甚远。人脸识别涉及到很多理论和技术问题，本文只是进行初步的探索和尝试。在这个基础上可进行的后续研究可以从以下几个方面考虑。
首先，如何利用各种图像的特点，对静态人脸灰度图做相应的图像预处理，从而
克服光照、姿态和表情变化对识别的影响，提高人脸识别率。同时，可以充分利用边缘和锐化图像的特点，使预处理后的图像的识别效果更好。
其次，在进行人脸识别的特征提取过程中，如何能够更好的利用图像的各种信息，比如灰度统计信息和结构信息，将各种可能的信息集合起来，找到能最大限度的利用图像现有信息的人脸识别方法。
最后，每种人脸识别方法都各有优缺点，如何充分利用现有的各种人脸识别方法，发挥某一类方法的优点，克服某一类方法的缺点，将它们进行有效的综合和组合，也是以后一个探索的方向。
参考文献
[1] 聂祥飞. 人脸识别综述. 重庆三峡学院学报, 2009, 25(117):14. [2] 朱金魁. 人脸识别算法的研究. 东北林业大学硕士论文. 2009. [3] 王志良,孟秀燕. 人脸工程学（第一版）.北京:机械工业出版社, 2008. [4] 安贝. 基于K-L变换的人脸识别方法. 四川大学硕士论文. 2005. [5] 邓迎宾. 人脸识别关键技术研究. 昆明理工大学硕士论文. 2007.
[6] 于清澄. 基于K-L变换的人脸识别算法研究. 沈阳工业大学硕士论文. 2007. [7] 程正东等. 基于子空间的人脸识别(第一版). 北京:清华大学出版社, 2009. [8] 齐怀峰. 基于特征脸的人脸检测与识别. 云南师范大学学报, 2005, 25(6):22-23.
[9] 张辉. K-L变换在人脸识别特征提取中的应用. 学术交流, 2008, 1:87-88. [10] 黎奎, 宋宇. 基于特征脸和BP神经网络的人脸识别. 计算机应用研究,2005,6:236-237.
[11]Aditya Kelkar. Face Recognition using Eigenface Approach. Proc.
CVPR ,2004,5