近年来,随着信息化时代的到来,人类对信息安全的关注度不断提高,人脸识别技术在交通、公安、国防等领域被广泛应用,但人脸识别的准确率还有待进一步提高。针对人脸检测与识别的准确率低下问题,论文展开深入研究,给出基于最优奇异值占比的图像分解方法、基于特征融合的人脸检测和识别方法以及基于活体检测的动态人脸识别方法。论文主要的研究内容如下:(1)针对人脸图像数据维度较高问题,给出了基于最优奇异值占比的图像分解方法。首先,采用奇异值分解方法对原始的人脸图像进行降维重构;其次将不同奇异值占比下的人脸图像作为输入,基于Haar特征和基于HOG特征的人脸检测方法进行人脸检测实验;最后根据两种人脸检测方法在不同奇异值占比下的检测率差值确定最优的奇异值占比。实验结果表明:以获取有效的人脸特征信息为前提,采用基于最优奇异值占比的图像分解方法在ORL人脸数据库上所确定的最优奇异值占比为98%,人脸图像的空间复杂度降低了 78.5%。(2)为了提高传统人脸检测方法的速率和准确率,给出了一种基于特征融合的人脸检测方法。该方法基于集成分类的思想,将Haar特征和HOG特征的人脸检测方法进行融合,建立改进的人脸检测模型。在ORL数据库上进行实验对比分析可以得出:论文方法的准确率相比Haar、HOG、LBP特征的人脸检测方法分别提高了 10%、2%和7%;从时间效率来说,相比HOG、CNN的人脸检测方法分别提高了 14.6%和99.2%;在LFW数据库上的实验结果表明:论文方法的准确率相比于Haar、HOG、LBP特征的人脸检测方法分别提高了 15%、0.5%和12%,并且在时间效率上相比HOG、CNN的人脸检测方法分别提高了 41%和99.4%。(3)针对分类决策算法用于人脸识别准确率低下问题,给出了基于一种特征融合的人脸识别方法。首先,基于最优奇异值占比图像分解方法和MTCNN的人脸对齐方法对人脸图像进行对齐预处理;然后,为了改进和完善基于KNN和SVM的人脸识别模型,构建基于择优K值的MTCNN-KNN人脸识别模型以及基于择优核函数的MTCNN-SVM人脸识别模型。实验结果表明:择优K值的MTCNN-KNN人脸识别模型其识别率提高了 10%,择优核函数的MTCNN-SVM的人脸识别模型其识别率提高了 2%。(4)为了满足更加广泛的应用需求,针对人脸识别领域存在伪身份攻击手段,论文在动态人脸识别领域进行研究并给出基于活体检测的动态人脸识别方法。该方法在深入研究眨眼检测的基础上,设计了张嘴检测的活体检测方法,并将张嘴检测和眨眼检测进行组合实现动态人脸识别。实验结果表明:基于活体检测的动态人脸识别方法为身份认证提供了实时可靠的安全保障,具有一定的工程可行性。