随着中国城市化进程的不断加深,地铁防恐工作的压力不断增大。人脸识别属于生物特征识别技术,是计算机视觉、模式识别等领域的热门课题。人脸识别技术具有非接触性、高效性和实时性,可用于地铁安检的闸机快速通过和对危险分子的提前布控。在此应用中,识别率是主要问题。因此,本文研究了地铁安检中的人脸识别算法。主要研究工作如下:(1)本文提出了优化的PCA+FLD人脸识别算法。本文首先研究了PCA、2DPCA和FLD三种基于子空间的人脸识别算法。因为前两种算法只是最佳的表示了图片信息,而忽视了图像聚类信息,FLD算法是通过计算样本间的类内和类间信息,将样本投影到更有利于分类的子空间中但存在小样本问题。为此本文将PCA和FLD算法结合利用PCA降维来解决FLD的小样本问题,并对FLD的投影子空间进行降维处理,给出了一种优化的PCA+FLD算法,MATLAB仿真结果表明,该算法比前两种PCA算法的识别率更高。(2)本文给出了PCA+SVM人脸识别算法。针对FLD中训练样本数增加导致了最佳投影维数不断升高的问题,SVM在模式识别中的“维数灾难”的问题上表现良好而且具有更好的识别率。为此本文给出了一种基于PCA降维的SVM算法,MATLAB仿真结果表明,该算法在识别率上表现最好。(3)本文设计并实现了人脸识别GUI系统。该系统实现了图像预处理、人脸检测与定位和人脸识别等功能。最后,通过采集图片样本进行实验,实验结果表明本系统对噪声和不同光照的样本鲁棒性较强,识别率高。