自动人脸识别在军事、安防、执法、金融等众多领域有着广阔的应用前景，受到了研究者们广泛的关注，已发展为计算机视觉和模式识别领域的热点研究课题。目前，在特定环境下人脸识别已能达到比较满意的效果；然而在现实环境中由于光照、表情、姿态、成像条件等一系列不可控因素的影响，人脸识别的性能会急剧下降，难以满足实际应用的要求。人类的视觉系统在人脸识别方面有着独特的优势，即便在复杂的环境中也能快速准确地通过人脸辨识出对方的身份，其性能远胜于当前最优秀的自动人脸识别系统。因此，以人类的视觉感知机制为参考研究新的识别方法，是提高自动人脸识别性能的一条重要途径。本文正是基于这一思想展开研究，探索视觉感知机制启发的人脸识别新方法，提高自动人脸识别的准确性和可靠性。本文主要在以下三个方面展开了具有特色的研究工作：①针对基于统计理论的人脸识别方法难以区分干扰因素与人脸本质差异的问题，提出一种模拟视皮层机制的人脸不变特征提取模型，消除光照、表情等干扰因素造成的图像变化，提升人脸识别性能。该模型构造一个二层结构的分层网络模拟初级视皮层（V1）的功能，逐步消除干扰因素造成的图像变化，获取人脸的不变特征。第一层模拟V1简单细胞的功能提取一种具有光照不变性的人脸特征。本层首先采用稀疏编码模型模拟V1简单细胞的学习机制，通过人脸图像训练得到一组反映人脸局部空间结构的滤波器，并根据滤波器的重构能量和频率特性，选出少数几个最具代表性的带通滤波器用于人脸特征提取；然后模拟V1简单细胞的线性分析功能，利用选出的滤波器提取人脸不同空间频率上的边缘特征。此边缘特征对应于图像的高频成分，而光照对图像的高频成分影响较小，因此该特征具有良好的光照不变性。模型第二层模拟V1复杂细胞的功能，在空间和尺度邻域内通过局部极大值运算对第一层的输出进行合并，进一步增加人脸特征对表情、轻度姿态变化和局部细节变化的不变性。以此不变特征进行识别，有效克服了光照、表情等因素的影响，提高了人脸识别的精度和稳定性。②为了利用面部重要区域的局部特征提升人脸识别的精度，结合视觉注意机制与模拟视皮层机制的分层网络模型，提出一种注意机制启发的人脸不变特征提取方法。本方法基于信息量最大化注意理论，利用分层网络第一层提取的各个空间频率上的图像特征计算人脸图像的注意显著图。以显著度作为人脸不同区域重要性的评价指标，并将显著图转化为权值图，在分层网络第二层的计算过程中对不同区域的特征赋予不同的权值，强化显著区域对人脸识别的贡献。通过加权的方式不仅增强了人脸重要区域的特征，同时也保留了对人脸识别十分重要的人脸整体结构信息。此方法解决了对人脸图像进行均匀处理的不足，进一步提高了人脸识别的精度。③为了充分利用彩色图像提供的信息提高人脸识别的综合性能，提出一种对立色感知机制启发的彩色人脸识别方法。首先，为了减小光照变化对图像色彩信息的影响，根据人类色彩感知的对立色机制，将RGB彩色图像转换为具有一个亮度分量和二个色度分量的对立色形式。然后，对于对立色的亮度分量，利用模拟视皮层机制的分层网络模型提取其特征，作为人脸的纹理特征；对于色度分量，提取其低频成分作为人脸的色彩特征。最后，对纹理特征和色彩特征分别进行识别分类，并将它们的识别相似度融合得到人脸识别的最终结果。色彩特征对图像模糊具有良好的鲁棒性，它弥补了纹理特征抗图像模糊能力弱的缺点；纹理特征具有良好的光照不变性，它进一步弥补了色彩特征处理光照变化的不足；此外，纹理特征和色彩特征描述了人脸不同方面的属性，具有很好的互补性。因此，通过融合纹理特征和色彩特征的识别结果，本彩色人脸识别方法具备了三方面的优点：第一，对图像模糊具有鲁棒性；第二，克服了彩色图像对光照变化敏感的问题；第三，无论对于清晰图像还是模糊图像都能有效提高识别精度。本文为自动人脸识别的研究提供了新思路，为视觉感知机制的应用提供了一些有意义的参考。