现今,由于科学技术的快速发展以及互联网的普遍应用,网络安全问题和信息安全问题变得愈加重要。目前出现了许多基于生物特征的识别手段,例如指纹、虹膜、人脸等,而基于人脸的认证方法是诸多基于生物特征识别的方法中应用的最为普遍的方法。基于人脸的认证方法与指纹、虹膜等生物特征的认证手段相比具有安全性能高、使用方便、直观性突出、不易假冒、识别精度较高、识别速度较快等优点,因此该方法被重点研究和广泛的运用。人脸识别是模式识别的重要研究领域,如何选取较好的算法提高人脸识别的识别率是研究的重点和难点。本文在前人的研究基础上,把图像处理与模式识别的知识综合运用,提出了一种基于EHMM-SVM的人脸识别算法,本文所做工作有以下几个方面:⑴文中运用图像预处理常用的直方图均衡化、图像平滑、几何变换和图形锐化等方法,同时结合ORL人脸库进行图像预处理实验分析。实验结果表明了,运用直方图均衡化和中值滤波对人脸灰度图像进行预处理能够得到较好的预处理效果。经过直方图均衡化处理后的人脸灰度图像变得较为清晰、明亮。中值滤波不但能消弭噪声并且能够保持人脸灰度图像的细节,使处理后的图像不呈现出明显的模糊区域。因此在本文的实验中采用直方图均衡化和中值滤波的方法对人脸灰度图像进行预处理。⑵在人脸特征提取的环节,文中对经常运用的几种人脸特征提取方法,K-L变换、小波变换、二维离散余弦变换和奇异值分解等进行了较为详尽的介绍,并结合ORL人脸库在EHMM人脸模型上进行实验分析。实验结果表明:运用二维离散余弦变换(2D-DCT)提取人脸图像的特征能够降低对噪声、光照和姿态变化的敏感度。⑶参照Sammaria和Nefian对人脸灰度图像划分的模型,研究了EHMM人脸识别算法,并结合ORL和Yale人脸库进行实验研究。对实验结果进行分析可知:与HMM人脸识别算法相比,EHMM人脸模型在水平方向建立模型,更好的利用了人脸局部器官之间的相互联系,人脸识别率有所提高。但在人脸判别时,EHMM模型仅仅是依靠最大相似概率来进行人脸的判定,有可能会出现识别错误。通过对SVM的分析,发现SVM擅长类别间的分类,它能很好的反映类别间的不同。因此针对EHMM模型和SVM的特点,提出一种把EHMM和SVM两种方法结合在一起的人脸识别算法。⑷论文用ORL和Yale人脸库图像进行实验;采用直方图均衡化和中值滤波的图像预处理方法对人脸灰度图像进行预处理;运用二维离散余弦变换(2D-DCT)的方法提取人脸灰度图像的特征得到观察向量序列;通过双重嵌套Viterbi算法求出每个人脸图像对应于EHMM模型的输出概率,把输出概率输入SVM中进行分类训练以及识别测试,得到人脸识别的结果。实验结果表明基于EHMM-SVM的人脸识别方法有效的提高了人脸识别率。对于人脸图像偏转和光照敏感的问题,该方法虽未从根本上进行解决但对于识别率也是有所提高的。