本发明公开了一种人脸识别的方法，通过对测试样本和训练样本进行随机的降维，并生成相似性学习训练集和测试集，选择支持向量机的正则参数和高斯核函数，将相似性学习的训练集输入到正则参数和高斯核函数中，得到分类器模型，再将相似性学习的测试集输入到分类器模型中，得到分类结果，通过将所述分类结果进行求和，与某一类样本的样本数量的商为所述某一类的相似性概率的大小，取得最大值，并将所述最大值输出，得到相似性概率的大小，得到最准确的人脸识别结果。通过对样本的降维，将样本复杂度降低，使得基于SVM来学习人脸图像之间的相似性的算法快速；另外，通过对于每一类进行的算法，使得人脸识别率有了相应的提高。

本发明公开了一种人脸识别的方法，通过对测试样本和训练样本进行随机的降维，并生成相似性学习训练集和测试集，选择支持向量机的正则参数和高斯核函数，将相似性学习的训练集输入到正则参数和高斯核函数中，得到分类器模型，再将相似性学习的测试集输入到分类器模型中，得到分类结果，通过将所述分类结果进行求和，与某一类样本的样本数量的商为所述某一类的相似性概率的大小，取得最大值，并将所述最大值输出，得到相似性概率的大小，得到最准确的人脸识别结果。通过对样本的降维，将样本复杂度降低，使得基于SVM来学习人脸图像之间的相似性的算法快速；另外，通过对于每一类进行的算法，使得人脸识别率有了相应的提高。