全文总字数：1955字

1. 研究目的与意义

作为一种无监督的方法，nmf并没有充分使用训练样本的类别信息，因此，它很可能丢失许多对分类有用的鉴别信息。

为了尽可能的利用训练样本的类别信息，给出了一种有监督的非负矩阵分解方法。

这种新方法的主要思想是将训练样本矢量和它相对应的类别标签信息相结合，构造出含有类别标签的训练样本矢量并以此构建非负矩阵进行非负矩阵分解。

2. 国内外研究现状分析

国内关于人脸识别的研究开始于80年代。 1993年程永清、庄永明等人研究得到特征脸空间，首先是对同类图像的平均灰度图像进行了SVD分解，然后提取其代数特征，即每幅图像在特征脸空间的投影，最后利用层次判别来分类。1997年彭辉、张长水，等人对特征脸方法做了改进，提出了基于类间散布矩阵的降维方法，这种方法不仅可以保证识别率，而却大大降低了运算量。1999年王华砌对人脸斜视图像的几何特征提取与恢复进行了专门的研究。他建立了一个人脸斜视图像的数学模型，这能够消除识别中斜视的响，并对提高识别率有一定帮助，后来又研究了对如何从斜视图像特征中恢复标准特征，并取得了一些成功。2001年张辉等人采用对称主成分分析(PEA)对人脸进行特征提取，神经网络识别，这样可以去除冗余并且使权值正交相结合。由于该方法识别速度快，特别是针对大量人脸样本的存储方面，使用较小的特征数据量，这也就减少了运算量。根据文献周激流提出了具有反馈机制的人脸正面识别，他的特征提取是运用积分投影法，使用这个方法后他又尝试了稳定视点得特征提取方法，也获得了较为满意的识别效果。最近几年，人脸识别的研究取得了空前的发展，提出了很多方法，如基于最佳鉴别变换、基于特征融合、基于改进的核函数算法、基于改进的核函数算法、基于CASPCM模型、基于正交图像生成人脸模型、基于正交图像生成人脸模型、基于改进的核函数算法、基于正交图像生成人脸模型、基于非负矩阵分解等人脸自动识别技术。

国外最早对人脸识别进行研究的国家主要有英国、美国和德国等。它们的研究比国内要早近三十年，且研究涉及的领域很广。英国的Graw小组和荷兰Groningen大学的Petkov小组等从视觉机理角度进行人脸识别研究；美国由Stifling大学和Glassow大学引进行合作，他们的教授Burton和Bruce组成一个小组，该小组还包括Texas at Dallas大学的教授Abdi和Toole，他们从感知和心理学角度研究人脸识别的机理；MIT的Media实验室的Pentland小组所做的研究主要是基于K-L变换的本空间特征提取方法，在用静态图像或视频图像方面比较有影响力；德国Bochum大学町采用的动态链接结构和弹性图像匹配等。

3. 研究的基本内容与计划

第1到2周：查阅相关书籍、文献等资料；

第3周：资料整合，完成开题报告，文献综述及任务书等前期工作；

第4周到第11周：撰写论文；

4. 研究创新点

无