人脸识别技术是近些年来模式识别与人工智能领域的研究热点问题之一，是一种具有很高理论和应用价值的生物特征识别技术。随着计算机技术、模式识别技术、图像处理技术等技术的高速发展，近些年来人脸识别技术得到了长足的进步，大量的人脸识别系统应用在身份鉴别上。因其采集方便、不接触、符合人类识别习惯等优点，基于人脸识别的身份认证在证件鉴别、门禁系统、公安系统等领域有着广泛的应用前景。
　　 人脸图像在获取的过程中往往存在噪声，光照不足且图像的尺寸、灰度不统一，不利于人脸识别。首先对其进行去噪处理，采用中值滤波方法有效降低了噪声对人脸图像的干扰；然后采用同态滤波与直方图均衡化对人脸图像进行补光处理，削弱了人脸识别过程中光照的影响；最后通过旋转摆正、剪切和缩放得到尺寸、灰度统一的人脸图片。
　　 基于Hear特征的AdaBoost级联人脸检测算法是当今最流行、检测最准的算法之一，广泛应用在人脸识别领域。针对权重退化现象，本文的算法在权重更新的规则上进行了一定的改进，采用阈值法有效控制了每次权重的变化。改进后的算法检测速度快、精度高，有很强的实时性，为后面的人脸特征提取和识别奠定了良好的基础。
　　 Gabor核函数能够精确模拟用二维Gabor小波变换的系数幅值作为识别特征的匹配，它有着良好的生物学背景和视觉特性，因其良好的频率特性和方向选择特性广泛应用在人脸图像特征提取上，但其提取的数据量过大，采用Fisherface方法能够有效对Gabor滤波器提取的特征进行降维。针对Fisherface降维过程中训练样本的野值点对求取最优投影方向的影响，本文采用一种自适应加权的方法，有效地解决了该问题。基于Gabor+Fisherface的人脸特征提取不但速度快，识别率也非常高，对姿态、表情变化有很强的鲁棒性。
　　 在上述研究的基础上，基于VC++平台，设计并实现了一个人脸身份识别系统，通过实验证明该系统在标准人脸库上和自建人脸库上有很高的识别率，同时其鲁棒性也很强。但毕竟人脸的姿态、光照、表情变化非常多样，算法还有待进一步的优化提高。