人睑识别是通过计算机提取脸部特征,并利用这些特征与人脸库中已有的人脸进行比较,从而完成身份验证的一种技术。近年来,随着计算机技术的发展,它作为一个重要的研究方向已经取得了很大的进步。然而在实际应用中,眼镜遮挡对人脸识别影响较大。因此,为了能够有效的提高识别率,本文综述了课题的研究背景和意义,分析了近年来国内外大量的关于眼镜遮挡下人脸识别学术论文,对这种特殊人脸识别系统的建立进行了深入的研究,提出利用人脸重建来实现眼镜摘除的方法。最终,该方法将与改进的特征加权方法结合,用于人脸识别。　　 本文的主要内容如下:　　 (1)提出一种将边缘检测和Otsu法相结合用于二值化图像的方法。与传统的使用Otsu二值化图像方法相比,利用本文所提出的方法二值化图像不仅能将背景和目标图像分开,而且五官特征显著,有利于下一步的特征提取和分类。　　 (2)提出基于PCA和[CA的人脸重建方法。由于传统的PCA方法只基于数据的二阶统计信息进行分析,而在基于ICA的独立分量分析中,数据的二阶和高阶统计信息都能得到利用,提取的特征具有局域性和高阶不相关性,体现了人脸几何特征及人脸部件的特殊性,正好能够弥补PCA方法提取特征的不足。因此,本文选用PCA／ICA方法作为人脸特征的提取方法,为了减少运算次数,提高收敛速度,本文采用Fast-ICA算法作为ICA的快速算法。　　 (3)分析了重建图像的特点后,采用误差补偿的方式来重建人脸,并且利用戴眼镜人脸的无眼镜区域和重建人脸的戴眼镜区域来合成人脸图像。为了进一步减小误差,合成真实自然且无镜框的人脸图像,采用迭代误差补偿合成人脸。针对人脸面部部件在识别过程中影响不同的规律和合成人脸的特殊性,提出利用改进的特征加权方法进行人脸识别。　　 (4)本文利用Visual Studio和Matlab R2009对眼镜遮挡下正面人脸识别系统进行了实现,并在CAS_PEAL大规模中国人脸图像数据库上做了很多实验。实验数据表明利用本文提出的PCA-ICA-W方法对戴眼镜人脸的识别是有效的,能够较大提高戴眼镜人脸图像的识别率,优于传统方法,并且利用合适的权值也可以有效的提高图像的识别率。