摘要：我们提出了一种新颖的顶推约束特征学习（TFL）方法，用于人脸识别。 这个想法是从原始强度的面部图像中学习低秩近似，以使同一身份的所有面Kong之间的平方距离应比不同身份的所有面Kong的平方距离小一些。 为此，我们在带有顶推约束的广义矩阵低秩近似（GLRAM）框架下制定学习过程。 GLRAM在图像的矩阵表示上进行操作，以寻找低维且紧凑的特征，从而提高了特征的判别能力，同时减少了时间和空间成本。 顶推约束旨在优化排名最高的匹配列表的人脸识别准确度，从而使学习到的特征更具区分性和紧凑性，从而减