随着现代科学技术的发展与创新,越来越多的学者加入了人脸识别的研究领域。因为协方差矩阵具有旋转不变性的特征,一些学者提出了一些基于Gabor特征的区域协方差矩阵的人脸识别方法:一种方法为获取人脸图像的区域协方差矩阵并通过区域协方差矩阵的广义特征值距离来进行人脸识别,但是该方法并未对区域协方差矩阵进行降维,由于对数据进行Gabor小波变换得到的特征矩阵维数很大,再求得的区域协方差矩阵维数依然很大,很容易陷入维数灾难问题,造成图像识别率下降;另一种方法为改进的一种方法,在上述方法的基础上,对区域协方差矩阵进行近似联合对角化,再通过广义特征值距离来实现人脸识别,该方法由于将协方差矩阵降维成近似对角化矩阵,降维过多,可能造成图像信息损失过多,从而影响人脸识别的识别率。本文从二维人脸数据库出发,将人脸数据库分为五个区域,通过二维Gabor小波变换获取人脸图像的特征信息。为了验证增加Gabor特征后人脸识别的有效性,提出了7种不同的特征映射函数,再分别计算出不同映射下的区域协方差矩阵。针对上面两种方法存在的缺陷,本文提出三种基于降维的区域协方差矩阵的人脸识别方法,即基于二维主成分分析的欧式距离分类法、基于二维主成分分析的马氏距离分类法和基于二维主成分分析的广义特征值距离分类法。由于二维主成分分析方法可以利用图像矩阵直接构造图像的散布矩阵,不需要像主成分分析那样在特征提取之前需要把图像矩阵转化为对应的向量,经过二维主成分分析降维后的区域协方差矩阵,有利于提取出重要的脸部特征进行人脸识别,既提取了图像的重要信息,又不会造成维数灾难,提高了人脸识别的识别率。本文为了验证所提方法在人脸识别上有效性,在未降维的区域协方差矩阵人脸识别方法上利用欧式距离分类法、马氏距离分类法和广义特征值分类法来进行人脸识别,将未降维的这三种区域协方差矩阵方法、基于区域协方差矩阵近似联合对角化的人脸识别方法和基于降维的三种人脸识别方法分别应用在ORL,YALE,PIE和FERET四种人脸数据库中。通过验证发现增加Gabor的特征映射函数,人脸识别率更高,基于降维的三种区域协方差矩阵的人脸识别方法的识别率要比未降维的区域协方差矩阵的的人脸识别方法和基于区域协方差矩阵的近似联合对角化的人脸识别方法的人脸识别率更高。