摘　要:我们提出了基于“认识”事物的人脸识别．以同类样本全体的连续性规律为基本出发点把人脸识别看成人脸“认识”的问题而不是人脸分类划分，与以“最佳划分”为目标的传统统计模式识别相比，本文的方法更接近于人类“认识”事物的特性．同一人脸的分布在低维空间中具有一定的类聚性而不同人脸的覆盖范围相互交织、随着空间维数增加，同类样本内聚性减弱，不同类样本互斥性增强；空间维数继续增加，同类样本内聚性与不同类样本互斥性反而都会减弱、将待识别人脸在某一空间进行覆盖范围的识别．若属于多个侯选人脸覆盖范围，进而运用Fisher人脸识别出最终结果．对ORL人脸库实验表明，对于未经过训练的任意对象不会误识。识别率为97．5％．[著者文摘]……