技術(shù)特征：

1.一種基于KNLDA的RBF神經(jīng)網(wǎng)絡(luò)人臉識別方法，其步驟如下：

1)讀取人臉圖像,利用人體膚色聚類特性在YCbCr色彩空間下建立基于膚色的統(tǒng)計模型，從待檢測圖像中篩選出人臉區(qū)域；

2)對人臉區(qū)域進行預(yù)處理，采用基于核函數(shù)的KNLDA特征提取方法獲得最佳投影矩陣；

3)在特征提取的樣本上進行RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；

4)用RBF神經(jīng)網(wǎng)絡(luò)進行樣本識別。

2.如權(quán)利要求1所述的一種基于KNLDA的RBF神經(jīng)網(wǎng)絡(luò)人臉識別方法，其特征在于，步驟2中所述的基于核函數(shù)的NLDA特征提取方法，具體步驟如下：

1)將輸入空間樣本映射到高維特征空間F中，即

2)計算系數(shù)矩陣a，首先，計算矩陣然后對Q進行特征值分解，選取Q的的p個較小特征值所對應(yīng)的特征向量組成矩陣a；

3)計算樣本矩陣，樣本的特征為其中

3.如權(quán)利要求1所述的一種基于KNLDA的RBF神經(jīng)網(wǎng)絡(luò)人臉識別方法，其特征在于，步驟3中采用正交最小二乘法(OLS)學(xué)習(xí)算法訓(xùn)練RBF，它通過正交化方法，在輸入向量中選取對降低誤差貢獻較大的向量作為網(wǎng)絡(luò)中心；

設(shè)網(wǎng)絡(luò)的訓(xùn)練樣本集為{X₁,X₂,...,X_N}，網(wǎng)絡(luò)的期望輸出為{d₁,d₂,...,d_N}，N表示訓(xùn)練樣本的數(shù)目，RBF網(wǎng)絡(luò)可用以下線性方程表示：

$d\left(n\right)=\underset{i=1}{\overset{M}{\Σ}}{p}_i\left(n\right){\mathrm{\θ}}_i+\mathrm{\ϵ}\left(n\right),n=1,2,...,N$

式中M為隱層節(jié)點的個數(shù)，可用公式的矩陣形式表示RBF網(wǎng)絡(luò)：

d＝PΘ+E。

4.如權(quán)利要求1所述的一種基于KNLDA的RBF神經(jīng)網(wǎng)絡(luò)人臉識別方法，其特征在于,步驟3中采用RBF神經(jīng)網(wǎng)絡(luò)分類器，識別出與待識別圖像最接近的人臉圖像，達到身份鑒別的目的。