在本文中,我们考虑了面部验证问题,即确定两个面部图像是否属于同一主题。 尽管许多研究工作都集中在此问题上,但是由于成像条件(例如照明,姿势,表情和遮挡)的较大的个人内部变化,它仍然是一个具有挑战性的问题。 我们提出的方法基于这样的思想,即我们希望大于负对的正对之间的相似度,并获得两个图像的相似度估计。 我们通过将双线性相似度和马氏距离结合到S形函数中来构造决策函数。 构造的决策函数使我们的方法可以区分人际差异,而对于人际差异(如姿势/灯光/表情)则是不变的。 而且,我们制定的目标函数是凸的,从而保证了全局最小值。 我们的方法属于非线性度量,它比线性度量更健壮地处理异构数据。 我们评估在野生(LFW)数据库中具有挑战性的带有标签的面Kong上提出的验证方法。 实验结果表明,在无限制的LFW设置下,该方法优于最新的方法,如联合贝叶斯方法。