人脸检测与人脸识别是模式识别与机器视觉领域的重要研究课题。由于具有操作隐蔽、直接友好、易于被用户接受、对硬件要求低等优点,人脸识别技术被广泛应用在身份验证、视频监控、刑侦中的身份识别和家庭娱乐等领域。在用户配合的可控条件下,人脸检测与识别技术已基本能够满足用户的需求；然而,在不可控条件下,比如可变光照、多姿态、遮挡、表情变化等,人脸检测与识别性能有明显的下降。只有解决了这些问题,人脸检测与识别技术才能真正走向实用。本文针对可变光照下的人脸检测与识别问题进行了研究。主要针对Adaboost人脸检测中的误检测、人脸识别中的特征提取、光照对人脸检测与识别的影响等问题进行了研究。论文的主要工作概括如下：(1)为了降低Adaboost算法引入的高误检率,本文给出了一种结合肤色验证的Adaboost人脸检测算法。首先利用Adaboost算法对图像进行检测,得到人脸候选区域,然后利用区域肤色模型对候选人脸区域进行肤色检测,如果肤色所占比例超过某一阈值,认定此候选区域为人脸,进行标记；否则,认定为非人脸。实验表明本文算法较好的解决了Adaboost算法的误检测问题。(2)针对肤色检测易受光照变化影响的问题,本文在研究“参考白”光照补偿算法的基础上,结合直方图均衡,提出了一种改进的“参考白”算法。实验表明,与传统的“参考白”算法相比,本文算法的处理效果更好,更加利于肤色检测。(3)提出了一种加权PCA与加权NLDA相结合的人脸特征提取算法：WPCA+WNLDA。为PCA算法设计一个加权矩阵,适当削弱对光照变化敏感的主成分；为NLDA算法设计一个加权矩阵,对分类性强的投影方向赋予较大的权值。实验表明,与基于PCA的特征脸法和基于LDA的NLDA算法相比,本文算法的识别率更高。(4)自商图像法是一种基于光照不变特征的光照处理算法,常用于人脸识别中,然而当图像中存在特殊亮区或特殊暗区时,自商图像法的处理效果并不理想。针对这一问题,本文对自商图像法进行了改进,提出了一种单亮区单暗区自商图像法。首先检测图像中的特殊亮区和特殊暗区,若存在,则在不改变人脸特征的前提下对其进行处理,将图像变为单亮区单暗区图像,然后进行自商图像处理。为了更准确的寻找特殊暗区,本文根据“三庭五眼”理论创建了特殊阴影模板。实验表明,与单尺度Retinex算法和传统自商图像法相比,本文算法的处理效果更好。