Abstract
近年來，利用生物特徵中的人臉辨識已經成為一項熱門的研究領域。人臉辨識之所以會受到歡迎是因為比起其他的生物辨識像是指紋、掌紋、虹膜等，它具有較少的侵入性容易被大眾所接受。 雖然已經有非常多關於人臉辨識的論文，但是我們比較喜歡使用基於投影向量的人臉辨識，因為這種方法不僅可以用來重建人臉的圖像，還可以把人臉圖像的特徵持萃取出來。除此之外，基於投影向量的人臉辨識方法擁有比使用其他方法相較高的辨識率。 在本論文中，我們藉由論文所提供的演算法，試著研究且實做出五種基於投影向量的人臉辨識方法，並且達到論文所提及的結果。我們研究的五種分別是 Eigenface、Fisherface、2DPCA、2DLDA和SVD，這些方法都是在基於投影向量的人臉辨識上非常重要的論文。 我們的實驗是使用 k-nearest neighbor分類法來分類，使用不同的k值（k值為1到10）實做在AT&T, UMIST 和 NTHU 人臉資料庫上，辨識率將在往後論文中提及，這些方法中SVD這個方法在我們的環境下表現似乎優於其他方法。