该文针对人脸识别系统涉及到的人脸检测、人脸识别、人脸验证和识别策略设计等问题进行了深入研究,提出了一些新的概念、方法和系统结构.该文的主要工作内容如下.1、提出了基于谷极点和支持向量机的假设-验证人脸检测算法,前者用于生成人脸假设,后者用于人脸假设验证.谷极点对面部姿态、光照等变化更加鲁棒,对倾斜人脸检测特别有效,同时具有更高的双眼定位精度.算法中还提出了几种提高检测速度的措施.首先通过提取肤色区域缩小人脸搜索范围,该文提出模糊增强色度表算法,提高了色度表的区分能力,又提出了形态学肤色区域后处理,减轻了后续处理的难度;其次,利用谷运算结果图像的分割结果进一步减少人脸假设数目,为此该文提出了多阈值融合图像分割算法,它有效解决了复杂场景下的多目标自动分割,而且性能稳定.2、人脸识别属于同类模式识别问题,在分析了同类模式识别的特点后,对灰度图像模式中边缘、平坦区域的特性进行了比较.在此基础上,提出了基于纹理增强Hausdorff距离的识别算法:通过对边缘区域分析建立对应关系,然后基于仿射变换约束改进对应关系,最后计算模式间的相似度.该算法融合了几何和纹理信息,在识别率和速度上取得了满意的折中,且对人脸定位误差、光照和表情等变化更加鲁棒.3、提出了基于支持向量机的增强弹性图匹配人脸验证算法.在传统弹性图匹配基础上,首先引入面部几何特征相似度改进几何成本定义,然后将所有成本分量组织为一个向量,利用支持向量机训练,生成新的成本函数.新成本函数具有更高的类间区分能力,而且可以自动确定各成本分量的重要性,避免了反复迭代确定经验权值的麻烦.4、针对现有顺序比较策略效率低下的缺点,提出了基于相似度排序空间的快速查询策略.该方法首先建立基于一组参考脸的相似度排序空间,在查询时只需将输入人脸与参考脸比较,提高了查询速度.对更大规模的数据库,该文又提出了基于分层聚类的树状索引结构,由于采用聚类算法完成子类划分,可有效避免同一类模式被错划到不同子树,松弛因子的引入则以很小的代价提高了查准率,该策略可以保证超大规模数据库应用获得实用的查询性能和速度.两种新策略显著提高了查询速度,同时识别率基本不变,为选取更精确的人脸识别基本算法提供了更大的空间.