在机器视觉、模式识别及图像处理中,人脸识别一直是最受关注的研究之一,其应用领域很广泛,如安全验证、身份鉴别、监控系统、信用卡验证、人机交互控制、证件核对、通道控制等。近年来,异质人脸识别作为人脸识别中特殊的一类也得到了广泛关注,其研究主要涉及照片与素描图像、近／热红外与可见光图像、照片与视频图像,以及不同年龄下的人脸图像等方面。本文主要对异质人脸识别中的照片与素描,以及不同年龄下的人脸图像进行了研究。照片与素描人脸识别主要运用在案件侦破、安全保卫中,尤其是在案件侦破中可以帮助调查者定位或者缩小嫌疑人的范围。不同年龄下的人脸图像研究主要应用在公安刑侦、失踪人口调查等方面。在照片与素描的异质人脸识别中,本文研究了两种识别方法。一种是照片与素描转换之后再进行识别；首先基于主特征提取的方法把照片转化为伪素描,然后再运用传统的方法对素描与伪素描进行识别。该算法将照片图像变换为素描图像时,更加合理的利用了照片的有效特征,减少了素描和照片图像之间的差别,改善了匹配效果,并且减少了识别时间。另一种是不进行转换而是直接对照片和素描进行识别；本算法首先使用方向梯度直方图(Histogram of Oriented Gradient, HOG)特征描述符来表示素描和照片人脸,然后对特征进行分块后再使用零线性判别空间(Null Space-based LDA, NLDA)降维的方法得到判别空间,最后在此空间中进行素描的识别验证。HOG特征描述符能够消除素描和照片之间的类内变化,同时又能够保留足够的类内可识别信息。在不同年龄下(即跨年龄)的异质人脸识别中,该方向的研究主要有三个方面：人脸年龄模拟,人脸年龄估计及人脸验证。本文主要研究跨年龄的人脸验证,其算法为：首先提取在老化过程中比较稳定的HOG特征,然后将图像对的特征向量进行差空间运算得到类内差和类间差,进而把类内差作为正样本和类间差作为负样本,然后把样本送入支持向量机(Support Vector Machine, SVM)分类器中进行分类,进而判断出该对人脸是否属于同一个人。本文的主要工作是在现有的照片／素描及跨年龄的异质人脸算法基础上进行了一些探索和尝试。实验结果表明,本文的算法有较优的稳定性和准确性。