由于现今社会生活环境是越来越复杂,尤其是对于儿童而言,对于他们成长的不利因素是越来越多,所以出于对儿童保护的目的,本文进行了基于人脸特征的儿童识别以及相关细节的研究。本文使用了肤色模板的方法检测人脸,并将人脸进行标记。在真实的情况下,人所处的环境会比较复杂,所以周围的一些图像可能会影响提取出来的特征的效果,所以本文使用了无交互的GrabCut的方法对检测到的人脸图像进行预处理。本文使用人脸检测出的人脸作为GrabCut的目标图像,进行图像分割,提取出人脸。人脸的偏转会对提取几何特征有一定的影响的,所以为了保证几何特征的质量,需要对人脸图像进行平面旋转。本文在进行人脸图像的平面旋转时,是根据眼睛和水平线的夹角来判断旋转角度的。这是因为,当人脸处于正脸时,眼睛一般是水平的,与水平线的夹角大约为0度。所以当判断出眼睛位置就可以知道人脸图像所需要旋转的角度的。在检测眼睛并对角度位置标记时,使用的是模板匹配的方法。在进行匹配时,将人眼的模板每次旋转一定的角度,根据之间的相似度来判断是否匹配上。这个角度也是人脸图像的平面旋转的角度。本文根据美术学上面,人脸描绘方面的理论知识,提取了几何特征。本文所使用的几何特征是指人的脸部的眼睛、鼻子和嘴巴的相对位置形成的比例。人的脸部是蕴含着丰富的纹理信息的,例如皱纹、表情纹等。随着人的成长,人的面部纹理会随之发生变化,例如皱纹会逐渐增加等。几何特征和纹理特征在对人进行分类时,是有一定的偏重点的,所以为了全面的对人进行划分识别出儿童,将几何特征和纹理特征进行融合,得到混合特征。本文使用了Haar-like特征提取几何特征。为了能够得到局部的细节的信息,首先使用Gabor滤波器对图片进行滤波,然后使用LBP对经过滤波的图片提取纹理特征。本文使用了从网上收集的未经过处理的,不同年龄段的图片作为数据集,选出三分之二作为训练集,剩余的三分之一作为测试集。为了能够充分利用这些数据,每次测试时,训练集都是随机选取的。并且通过与纯粹的使用几何特征、纹理特征相对比,本文的方法的正确率比较高。