随着信息技术的发展，人们对身份鉴别的准确性、安全性与实用性提出了更高的要求，传统的身份识别方法已经不能满足这种要求。生物识别是一种根据人体自身的生理特征和行为特征来识别身份的技术，与传统的身份鉴别方法相比较，这些特征具有不会遗忘、不会丢失和不易冒充等优点。近年来，随着模式识别、图像处理和信息传感等技术的不断发展，生物识别显示出更为广阔的应用前景。人脸脸像是人类视觉中最为普遍的模式，人脸所反映的视觉信息在人与人的交流、交往中有着重要的作用和意义。相对于其它种类的生物特征，人脸图像可以通过直接、自然的方式获取，不需要被测定者的主动配合参与。因此人脸检测与识别正在成为当前人们关注和投入较大研究力量的重点，有着十分重要的现实意义。本文在分析和总结国内外最新研究成果和进展的基础上，对人脸检测与识别系统中的一系列关键问题进行了研究，提出一些实用的方法。主要研究内容可分为三个方面：基于支持向量机的肤色检测、基于区域混合投影的人脸检测与定位、基于径向基概率神经网络的人脸识别。将概率统计分析、神经网络、机器学习等方面的研究成果和计算机图像处理与分析相结合，解决人脸检测和识别问题。主要研究内容包括：　　 (1)基于支持向量机的肤色检测。肤色检测作为人脸检测的预处理过程，在人脸检测与识别中运用的越来越广泛。本文分析了皮肤的结构及其颜色产生机理和物体颜色模型，在各颜色空间中，对图像库中皮肤像素进行统计分析。在RGB、YCbCr、YIQ、YUV颜色空间中，以图像库中各像素点的值为输入，像素点所属类别为输出，高斯函数为核函数，采用序列最小最优化学习算法，构造了支持向量机肤色检测器。该检测器经过学习后，能够有效地检测出图像中的皮肤区域。　　 (2)基于区域混合投影的人脸检测与定位。眼睛作为人脸的重要特征，在人脸检测与定位中发挥着重要的作用。本文采用投影方法，通过定位眼睛的位置确定可能人脸区域。根据皮肤信息在YCbCr颜色空间的统计特性，建立基于肤色信息的马氏距离图。在马氏距离图上，采用区域混合投影，只对可能的人脸区域进行水平、垂直混合投影，在图像中定位人的眼睛，精确确定可能人脸区域。将训练集中的图像转化为标准大小的马氏图，以其中所有像素点值作为支持向量机的输入，图像所属类别作为输出，构造支持向量机人脸检测器，对精确定位的可能人脸区域，进行人脸确认。　　 (3)基于径向基概率神经网络的人脸识别。径向基概率神经网络是在径向基函数神经网络和概率神经网络的基础上发展起来的一种新型的前馈神经网络，除具有很强的非线性计算与映射能力外，还具有计算复杂度低、收敛速度快等优点。本文探讨了径向基概率神经网络的结构原理、学习算法，用递推正交最小二乘算法训练网络权值，用改进的K一均值聚类算法优化网络结构。提出在基于肤色信息马氏图的特征脸空间上，用径向基概率神经网络进行人脸识别。根据人脸库中的人脸图像构造学习样本，将彩色的人脸图像缩放到标准大小，并将它转化为基于肤色信息的马氏距离图，以这些人脸图像的马氏图为训练样本集进行K-L变换，构造一个各分量互不相关的特征脸空间。将人脸图像在特征脸空间中映射的各分量作为输入，训练图像集中人脸的类别作为输出，对构造出的径向基概率神经网络进行学习，得到的神经网络能够有效地识别人脸。