人脸识别是近年来计算机视觉与模式识别领域里的热点研究问题之一,它在身份认证、视觉监控、人机交互、娱乐动画、以及多媒体等领域有着广泛的应用前景。人脸检测作为人脸识别的重要一步,其目标是要将人脸从图像背景中检测出来。本文主要研究基于AdaBoost算法的人脸检测方法。AdaBoost学习算法,是从一个较大的特征集中选择少量关键的Haar-like特征,产生一个高效的强分类器,再用级联的方式将单个强分类器级联成一个更加复杂的级联分类器。本文基于AdaBoost算法训练了一个级联分类器,通过对实际人脸图像的检测测试,表明该分类器可以有效地运用于多姿态、多人脸、复杂光照和复杂背景的情况,且具有较好的实时性能。鉴于小波多尺度变换对高维图像特征具有良好的压缩能力,提出了一种结合小波变换与核主成分分析(KPCA)方法的人脸特征提取与识别算法。该算法首先对人脸图像进行小波变换获取小波低频分量,然后对此小波分量进行KPCA特征提取得到最终人脸鉴别特征,最后利用支持向量机分类器进行特征分类与识别。通过对ORI标准人脸库的实验测试表明,该算法具有较好的识别性能,且在特征提取速度上明显高于传统的KPCA方法。基于以上算法,本文在VC++6.0及OpenCV平台下开发了人脸识别软件系统。