人脸检测与识别技术作为近年来越来越受关注的计算机视觉研究课题之一,被广泛地应用到安全领域。人脸检测与识别是利用人脸这一人体固有的生物特征进行个人身份鉴别的过程,具有良好的安全性、可靠性和有效性。本文主要针对人脸识别过程中图像处理,人脸检测与识别技术进行研究。首先分析所使用的图像预处理方法：灰度化、图像缩放和图像去噪,重点集中在对图像中脉冲噪声检测与去除方法的研究。通过举例分析发现传统图像脉冲噪声检测方法中,基于检测窗口内像素最值判断噪声的标准不准确,可能造成错误接受噪点,增加图像处理时间。通过引入距离平均值对传统脉冲噪声检测方法进行简单改进。由于人脸检测操作频繁,实时性要求较高,本文采用哈尔特征(Haar feature)分类器与隐马尔可夫模(Hidden Markov Model, HMM)结合进行人脸检测与识别的解决方案。在人脸检测方面,使用基于哈尔特征的分类器,确定人脸位置。利用特征分类器检测速度快、实时性好的特点来弥补隐马尔可夫模型判断准确但速度较慢的不足在人脸识别方面,主要研究基于隐马尔可夫模型进行识别人脸时,所使用的离散余弦变换这一图像特征提取方法。直接使用图像离散余弦特征时,特征数据量大,造成人脸识别速度慢。通过分析研究小波变换方法,在人脸特征提取过程中引入基于小波变换的图像压缩环节,减少数据量,取得原始图像的逼近图像。然后获取逼近图像的离散余弦特征,从而减少隐马尔可夫模型的计算时间,确保识别系统的实时性最后,结合所采用的方法,基于PC平台实现人脸检测识别系统。通过在自身采集的人脸库环境下的测试,该系统取得较好的测试效果。