人脸识别(Face Recognition)是指基于已知的人脸样本库,利用图像处理和模式识别等技术从静态或动态场景中,识别或验证一个或多个人脸。人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,它在公共安全、信息安全、人机交互等领域中有着广泛的应用前景。经过三十多年的研究,人脸识别技术在理想环境条件下已达到实用程度,但是在环境不可控的情况下,由于光照、姿态、表情、遮挡等变化的影响,已有的人脸识别算法性能大大下降,其应用范围也受到了较大的限制。因此,针对各种变化的鲁棒的人脸识别技术是当前的一个研究热点。本文主要针对不同光照条件下的人脸识别技术进行了研究,并提出如下的识别算法:1.基于改进BP神经网络的人脸识别算法。提出了一种基于小波变换的图像降维、基于光照率图像的光照校正与改进的BP神经网络相结合的人脸识别算法。运用小波变换对人脸图像进行降维,在减小数据量的同时保持图像的基本信息;运用基于光照率图像的方法对图像进行光照校正,以改善光照变化对图像质量的影响;运用改进的BP神经网络对不同光照条件下的人脸图像进行识别。讨论了传统BP神经网络的参数选取问题,对Sigmoid函数和网络学习速率进行了改进,以提高系统的收敛速度和收敛率。2.基于反射特性估计的人脸识别算法。基于人脸的对称特性,用两幅已知光照条件的人脸图像估计图像每点的反射特性,继而合成不同光照条件下的人脸图像;设计了同态滤波与对称关系修正相结合的光照校正算法,对人脸图像进行光照校正,以改善光照变化对图像的影响;基于校正后的人脸图像完成人脸识别。实验中采用Yale Face Database B人脸数据库。实验结果表明,本文提出的两种算法对于不同光照条件下的人脸图像能够取得较理想的识别结果。