人脸识别技术是一种依据人的面部特征来自动进行身份鉴别的生物特征识别技术。由于人脸识别技术在生物特征识别技术中具有众多的优势(特别是直观、非侵犯),决定了其广泛的应用前景:可以用来对敏感人物(如罪犯、恐怖分子等)进行识别,协助公安部门布控、海关身份验证。为各类银行卡、金融卡、信用卡的持卡人提供身份验证,作为门禁等。一个完整的人脸识别系统要解决的主要问题包括:人脸检测、人脸图像预处理、特征提取、分类识别。本文主要包括分类识别算法和人脸图像预处理两方面的研究,具体内容如下:1)基于核的大间距分类器在人脸识别中的应用针对人脸图像这类非线性问题,本文结合了支持向量机和非线性鉴别分析的优点,提出了一种新的非线性鉴别分析算法-基于核的大间距分类器算法。该算法的主要思想是将经过预处理后得到的样本映射到高维空间中,借助于核函数并利用再生核理论对传统的大间距分类器算法进行改进,得到核类内散度尽可能小的核鉴别矢量集。在ORL和Yale人脸库上实验表明,本方法优于传统的支持向量机算法。2)基于核的图像欧氏距离在人脸识别中的应用引进了两幅图像之间的一种新的距离度量----图像欧氏距离,该距离是利用核函数对传统的欧氏距离进行改进而得到的。本文利用该距离设计了一种新的分类识别方法—基于核的图像欧氏距离人脸识别。为了验证此算法的可行性,首先对人脸图像进行DCT变换得到预处理样本。这里有两种方法,由于图像矩阵经二维DCT变换后得到的矩阵其能量集中在该矩阵的左上角,所以提取该矩阵左上角的不同维数子矩阵可组成一些用于识别的样本矩阵(称为DCT-1);或者,将原始人脸图像分成互不重叠的8*8小块,对每个小块做二维DCT变换并提取所得矩阵左上角不同维数的子矩阵组成适用于识别的样本矩阵(称为DCT-2)。在ORL和Yale人脸库上的实验表明,该方法优于其它距离分类器算法。