1.一种融合矩阵和向量特征提取的Foley-Sammon人脸识别方法，其特征在于，包括如下步骤：步骤1、计算人脸图像矩阵水平方向上的两维Foley-Sammon鉴别向量矩阵U；

步骤2、计算人脸图像矩阵垂直方向上的两维线性鉴别向量矩阵V；

步骤3、人脸图像矩阵的双向压缩：利用鉴别向量矩阵U和鉴别向量矩阵V分别对人脸训练样本矩阵Aj、人脸测试样本矩阵Ak'进行压缩，得到矩阵Bj、Bk'；

步骤4：向量的融合及鉴别信息提取：将Bj、Bk'分别按行和按列拉成向量，利用拉成的向量计算非相关线性变换矩阵；分别计算按行和按列拉成的向量在非相关线性变换矩阵上的投影，然后对投影进行融合；最后利用最近邻分类器对融合后的投影向量进行分类处理，计算分类准确率；

所述步骤1的具体过程如下：

步骤1.1：根据以下公式计算出类内散射矩阵SWH和类间散射矩阵SBH：其中：第i类训练样本图像的均值 和总的训练样本图像的均值 计算如下：步骤1.2：根据类内散射矩阵SWH和类间散射矩阵SBH计算出类内散射矩阵SWH的逆矩阵SWH-1与类间散射矩阵SBH乘积矩阵的特征值λ以及特征向量α：-1

SWH SBHα＝αλ

其中，λ为SWH-1SBH的特征值，α为特征值λ对应的特征向量；

步骤1.3：将特征值λ从大到小排列，取前r个特征值为{λ1,λ2,λ3…λr}，对应的特征向量为{α1,α2,α3…αr},最大特征值λ1所对应的特征向量α1即为投影矩阵U的第一个列向量，已知α1,α2,…,αr是一组最优鉴别向量集，则第r+1个鉴别向量αr+1计算如下：PSBHαr+1＝λr+1SWHαr+1

其中 D＝[α1α2…αr]T，I是单位矩阵；

步骤1.4：根据以上计算可得到p个最优鉴别向量集α1,α2,…,αp组成的两维Foley-Sammon鉴别向量矩阵U＝[α1α2…αp]T；

所述步骤4的具体过程如下：

步骤4.1：将压缩后的第j个训练图像Bj分别按列和行拉成向量，Bj按列拉成向量 Bj按行拉成向量 将压缩后的第k个测试图像Bk′分别按列和行拉成向量，Bk′按列拉成向量Bk′按行拉成向量步骤4.2：计算非相关线性变换矩阵G：

由N个训练样本向量 组成样本矩阵Z可以被划分为C个类别，则Z＝{Z1,Z2,...,ZC}，其中Zi是第i个类样本集合，并且ni是第i个类样本的数目， N是训练样本的总数；

假设θ(j)是第j个样本的平均值，θ是总平均值，Sw是类内散布矩阵，Sb是类间散布矩阵和总体散射矩阵St；分别定义如下：Sw＝HwHwT,

Sb＝HbHbT,

T

St＝HtHt；

其中Hw，Hb和Ht的计算表达式如下：

e＝(1,1,...,1)T∈RN.

计算Ht的奇异值分解SVD为Ht＝U1∑tV1T；

设 Ω的SVD计算为Ω＝P∑QT；β＝rank(Ω)令 Xβ是由X的前β列组成的矩阵；因此，非相关线性变换矩阵为：G＝Xβ；

则训练样本矩阵Bj按列拉成的向量 在线性变换矩阵G上投影为： 测试样本矩阵Bk′按列拉成向量 在线性变换矩阵G上投影为：按照计算G的同样方法，计算训练样本矩阵Bj按行拉成向量 的线性变换矩阵G′， 在线性变换矩阵G′上投影为： 测试样本矩阵Bk′按行拉成向量 在线性变换矩阵G′上投影为：将训练样本的投影 和 进行融合得到新的训练投影向量 与测试样本的投影 和 进行融合得到新的测试投影向量

用最近邻分类器根据训练投影向量yj对测试投影向量yk'进行分类处理，计算出分类准确率。

2.根据权利要求1所述的一种融合矩阵和向量特征提取的Foley-Sammon人脸识别方法，其特征在于，所述步骤2的具体过程如下：步骤2.1：根据以下公式计算出类内散射矩阵SWV、类间散射矩阵SBV：步骤2.2：根据类内散射矩阵SWV和类间散射矩阵SBV计算出类内散射矩阵SWV的逆矩阵SWV-1与类间散射矩阵SBV乘积矩阵的特征值γ以及特征向量其中，γ为SWV-1SBV的特征值， 为特征值γ对应的特征向量；

步骤2.3：将特征值γ从大到小排列，取前q个特征值为{γ1,γ2,γ3…γq}，对应的特征向量为{φ1,φ2,φ3...φq}，前q个特征向量组成两维线性鉴别向量矩阵V＝[φ1 φ2  ... φq]T。

3.根据权利要求1所述的一种融合矩阵和向量特征提取的Foley-Sammon人脸识别方法，其特征在于，所述步骤3的具体过程如下：用鉴别向量矩阵U和鉴别向量矩阵V将人脸训练样本矩阵Aj投影到投影空间，对人脸训练样本矩阵Aj进行水平和垂直方向上的压缩，得到p×q维矩阵Bj：Bj＝UAjVT

用鉴别向量矩阵U和鉴别向量矩阵V将人脸测试样本矩阵Ak'投影到投影空间，对人脸测试样本矩阵Ak'进行水平和垂直方向上的压缩，得到p×q维矩阵Bk'：Bk'＝UAk'VT

其中：Bj是m×n维人脸训练样本矩阵Aj经双向压缩后得到的p×q维矩阵，Bk'是m×n维人脸测试样本矩阵Ak'经投影后的p×q维矩阵。