1.一种基于内核规范相关分析的侧面人脸识别方法，其步骤是：A：对于待检测脸部图像的正面部分和侧脸部分，手动注释眼睛、鼻子、嘴巴和下巴；

B：以确保待测人脸图像具有相似的尺度、取向和位置，对正面和侧脸姿态进行不同程度的几何归一化处理，使用局部二值模式面部成分描述脸部，针对局部二值模式图像中的划分区域计算64个直方图，然后将面部的14个区域的直方图连接成向量进行描述；

C：通过特征提取得到一个大小为p＝896(64×14)的正脸描述向量和大小为q＝896(64×14)的侧脸描述向量；

D：通过应用规范相关分析进行降维操作，引入基于核主成分分析的非线性一般化，以考虑侧面人脸图像和正面人脸图像之间的变换非线性，通过从原始输入空间到高维特征空间的映射来执行正面或侧面的变换；

E：估计Wx，Wy，并计算欧几里德距离给出侧脸图像身份信息，判断待检测脸部图像的侧脸部分是否为最后一幅，是最后一幅则给出侧脸识别结果，不是最后一幅则返回步骤B；

正面和侧脸姿态进行不同程度的几何归一化处理包括正面的0°方向归一化和侧脸姿态90°方向归一化：其0°方向归一化步骤为：步骤一：旋转每个图像直到连接眼睛中心的线条变得水平；

步骤二：图像重新缩放，使所有图像的眼睛中心之间的距离相同，并生成归一化的正面数据库；

其90°方向归一化步骤为：步骤一：通过学习归一化的正面数据库来保持所有待检测脸部图像的侧脸姿态中眼睛和下巴的距离必须等于正面眼睛和下巴之间的距离，实现不同尺度侧脸的重新缩放，以确保所获得的分数不被最终归一化的不精确性所偏置；

步骤二：确定旋转角度α，α在18°和22°之间变化，步长为1°，实现所有旋转的人脸都处于归一化侧脸姿态；

步骤三：倾斜测试图像使连接鼻尖和下巴的切线与垂直轴形成α＝20°的角度；

步骤四：在归一化正面学习数据库的平均面上计算用于重新缩放的眼睛和下巴之间的参考距离，将待检测脸部图像与学习数据库的侧脸缩放到具有相同的尺度；

步骤D的详细过程为：通过基于核主成分分析的线性多项式和高斯内核来降低两个姿态的维数从而满足(p+q)<199这一必要条件，使用199个采集于FERET数据库中的人脸样本来学习正面-侧面变换并对Wx和Wy进行估计，并且将待检测脸部图像的正面部分和侧脸部分一起通过Wy和Wx投影到规范空间上进行比较。

2.根据权利要求1所述的基于内核规范相关分析的侧面人脸识别方法，其特征是：所述局部二值模式图像中的划分区域按照眼睛、鼻子、嘴巴和下巴进行区域划分。