人脸识别技术就是利用计算机分析人脸图像,提取有效的识别信息来辨认身份或者判别待定状态的一门技术。由于人脸图像的特殊性,人脸识别问题不仅是模式识别领域的一个难题,同时更是一项极具挑战性的课题,它汇聚了多个学科的知识与技术,如信号处理、智能控制、模式识别、机器视觉等。人脸识别主要有三个部分组成:图像预处理,特征提取和分类识别。本文的主要内容包括:(1)本文采用Gabor小波做图像预处理。首先,介绍了Gabor小波的基础知识;其次,选取Gabor滤波器参数并设计Gabor滤波器;最后,对人脸图像进行滤波,降低光照、表情等因素对识别结果的影响。(2)提出了一种改进的二维主成分分析特征提取算法。此方法首先基于总体散度矩阵获得特征空间,然后再基于类内散度矩阵获得特征空间,最后通过加权融合两个特征空间形成新的用于分类识别的特征空间。由于类内散度矩阵充分利用了样本之间的类别信息,所以改进算法与2DPCA相比,具有更高的识别率。(3)针对已有支持向量机算法在训练时有可能构造一些非重要的分类面,提出了改进的支持向量机算法。首先根据与待分类在特征空间中的最近样本间距离的大小,将其余类按升序排列,然后构建待分类与其余的分类边界。该算法减少了分类超平面的数目,从而减少了训练和识别时间。(4)从人脸识别技术角度介绍了人脸识别系统的设计与实现过程,主要包括:系统设计思想,技术流程介绍,功能需求分析以及系统实现工具和平台。最后,依托此系统对本文提出的改进的2DPCA算法的进行仿真实验。通过和PCA,2DPCA,LDA,LPP等经典算法做对比,验证了改进算法的高识别率。