近年来,图像检测与识别技术是计算机视觉技术中的一个研究特点,它的作用是通过计算机学习人脑的思考方法从图像中找出感兴趣的区域。目前图像的检测与识别技术的用途有很多,比如摄像头监控、车辆驾驶系统和虚拟现实等领域。本文研究的金丝猴属于川猴,主要生存在四川、陕西秦岭周边地带,而且是国家认定的一级保护动物。由于社会进步和人类发展,严重破坏了金丝猴的生存环境,使得原本稀少的金丝猴处于一种频临灭绝状态。因此,为了保护国家一级动物一金丝猴,我们研究其面部特征,并结合现在的图像处理技术,对猴脸展开检测与识别的研究,有助于我们更好地检测到金丝猴,起到保护它们的作用。本文主要围绕复杂背景下的多姿态猴脸检测与识别方法展开研究,具体的工作介绍如下:1.对于金丝猴猴脸检测问题,提出一种基于区域色彩量化与改进Haar-Like特征的猴脸检测方法。首先,采集猴身毛发和猴脸皮肤的样本,构建毛发和面部的HSI颜色空间模型;然后,对HSI图像进行区域色彩量化,根据毛发特征进行猴身区域的检测与分割,得到猴身区域;进而,在此区域内根据肤色特征进行猴脸区域的检测,获得猴脸疑似区域;最后,提取猴脸区域扩展的Haar-Like特征,并利用Adaboost算法训练分类器进行猴脸的精确检测。实验结果表明,此方法相比于单纯的区域色彩量化法和基于Haar-Like特征的方法,在检测精度上有显著的提高。2.针对金丝猴猴脸识别问题,提出了一种基于改进的CNN数据增强的多姿态猴脸识别方法。首先,通过数据增强方法预处理猴脸数据库,不仅增加了每只金丝猴图像的多样性,而且还提高了猴脸库的数据集;然后,融合了卷积神经网络(CNN)与孪生网络结构,得到一个可以自动提取相似特征的新网络结构,利用该网络结构训练猴脸数据集;最后,把差异深度度量学习算法(DDML)作为优化算法,提高了对猴脸特征提取的有效性。实验结果证明,跟传统的PCA结合Adaboost算法相比,该方法在金丝猴猴脸数据库上的训练与测试,对多姿态猴脸的识别具有更高的识别效果。