人脸识别是一个具有很高理论和应用价值的研究课题。随着社会的发展与科技的进步,对方便、可靠、自动身份鉴别的实际需求日益增加,人脸识别技术因而成为了机器智能研究领域的热点问题。研究人脸识别技术,其意义在于推动图像处理、模式识别、认识科学、生理学、心理学等相关学科的发展,满足身份验证、基于内容的检索等实际需求。本文结合人脸识别技术领域的已有成果,针对尚未解决的一些问题,在人脸检测、特征提取和分类识别三个方面进行了相关的研究,主要内容如下:1、改进了传统的基于肤色模型的人脸检测方法。该方法首先依据肤色模型从人脸图像中找出所有可疑的肤色区域,然后在这些区域上应用眼睛模板来查找眼睛的精确位置。实验证明,该方法能够准确实现人脸检测和眼睛定位。2、提出了一种基于局部特征分析的人脸识别方法。该方法先对人脸区域进行一系列的预处理,然后以双眼作为器官基准,根据面部各个器官的形态、颜色特征以及相互之间的位置关系,成功提取了面部各个器官的局部几何特征,其中以二进制编码的形式来表征眉毛的特征。实验证明了该方法的有效性。3、在比对识别中引入了排队计分准则。该准则通过特征加权,计分和排队,较好地实现了样本的真实匹配。此外,本文提出的一种分级识别的策略,按照特征的重要性对样本进行筛选,取得了较好的效果。4、提出了一种融合全局主成分分析和局部主成分分析的方法。该方法先对整个人脸进行主成分分析(PCA),然后对人眼局部区域进行主成分分析,最后将两个结果融为一体。实验证明,该方法的识别率高于单一的全局PCA方法。5、提出了一种融合小波分解、平滑滤波和核主成分分析(KPCA)的方法。该方法首先利用小波分解来降低图像特征的维数,滤除高频信息,保留低频信息,然后利用平滑滤波来进一步削弱图像的高频信息,最后用KPCA进行特征提取和分类。实验证明,该方法比不用平滑滤波的同类方法的识别率更高,且对运算时间影响不大。