当前科学技术突飞猛进,人工智能领域备受人们关注,人脸检测与识别技术更加成为人们关注的焦点。当前在人脸检测技术上主要存在检测率不高、系统检测速率较慢等问题,人脸检测技术的准确性和鲁棒性仍有必要进行进一步提高。本文主要研究内容有基于数字图像技术,对人脸检测目标进行图像预处理和基于改进的Haar特征提取待检测人脸目标特征,然后通过改进的Haar特征与Adaboost人脸检测算法相结合,实现静态下人脸目标图像检测。接着对于视频中人脸目标的识别研究,本文借助Dlib与Open CV计算机开源库相结合,搭配软硬件设备,对人脸目标图像68个关键特征点进行特征提取,并通过计算其特征值,然后将实际检测到人脸目标图像与人脸识别库中人脸图像进行特征比对,最终设计实现了人脸识别系统。本文具体工作内容如下:1、图像预处理和人脸目标特征提取。人脸图像预处理工作有人脸图像归一化、人脸图像灰度化、人脸图像滤波、人脸图像直方图均衡化,对待检测人脸图像进行预处理可以保证人脸检测的准确性。然后在人脸特征提取过程中,考虑到人脸姿态变化对检测带来的影响,在对Haar特征进行人脸特征提取研究时,对其进行改进,进一步有效提高人脸检测率和人脸检测鲁棒性。2、对采集图像进行人脸检测。本文对Adaboost算法进行改进,首先在弱分类器选择上,通过对弱分类器选取方法进行改进,提升了弱分类器品质,再由弱分类器构建强分类器,并通过强分类器进行级联,同时与改进的Haar特征相结合,最大程度减小系统计算量、提升系统检测效率。3、人脸识别系统设计。本文依托Dlib与Open CV计算机开源库相结合的方法,对人脸识别系统各子模块进行设计,利用计算机摄像头进行视频采集,在视频采集过程中进行实时人脸检测,对出现的人脸目标,通过进行人脸图像68个关键特征点提取,并计算其特征值,再通过与人脸库人脸图像进行特征比对,完成人脸识别过程。