人脸识别是许多包括考勤、视频监控以及基于内容的图像检索等应用的基础。人脸识别又可以分为两个子问题:人脸认证和人脸辨别,前者的应用更加广泛。但受到人脸姿态、光照以及遮挡物的影响,使得人脸认证问题更加复杂、更具有挑战性。本文提出采用构建人脸的高维特征(超过10万维度)的方法来克服这些困难,高维特征具有更多的人脸信息,并通过支持向量机和Adaboost算法实现人脸认证并应用在了煤矿环境下。人脸的低维特征往往只包含了人脸的一部分信息,用作人脸认证效果并不理想。而且某种特征只提取人脸的特定信息,比如方向梯度直方图特征适合行人检测,局部二值模式特征对光照强度不敏感。高维人脸特征虽然能改善这些问题,但势必会给算法训练、计算以及储存带来困难。针对这些问题,本文做了以下工作:(1)构建人脸高维特征,描述尽可能多的人脸信息。对人脸图像作多尺度变换,在每个尺度上,分别基于人脸关键点位置提取不同的人脸特征,最后将所提取的特征联合起来构建成人脸的高维度特征用于人脸认证。(2)使用支持向量机以及Adaboost算法实现人脸认证。经过PCA降维后的高维特征使用支持向量机分类器实现人脸认证,并通过基于FERET人脸库的实验验证了高维度特征具有更好的人脸认证效果。由于PCA降维运算复杂,故采取Adaboost算法选取最具可分性的人脸特征实现降维的同时构建级联人脸认证分类器,快速实现人脸认证。两种方法均在FERET人脸库上取得了超过97%的人脸认证成功率。(3)在煤矿考勤系统上实现了人脸认证系统并完成了煤矿矿工人脸库的采集。该人脸库包括了实际场景下共2753位矿工的不同姿态、表情和煤灰污染的“黑脸”图像,具有很大的使用研究价值。特别地,针对矿工被煤灰污染的人脸图像进行了人脸认证的研究,通过本文中的人脸认证方法达到了86.95%的一次性认证成功率。本文主要研究了基于图像多尺度变换和人脸关键点的高维特征对于人脸认证的积极影响。并且基于高维特征采用支持向量机和Adaboost算法实现了人脸认证,在FERET人脸库上验证了人脸认证算法的有效性。最后,研究了煤矿特殊环境下的“黑脸”人脸认证问题,本文中的人脸认证方法已应用于煤矿考勤系统。