随着计算机技术和多媒体技术的日益发展,全球信息化进程的加速,图像处理在越来越多的领域内得到了广泛的发展和应用。无论是在科技,国防,工商业还是金融等领域,越来越多的图像处理的理论和实践成果在现实的生产生活中得到积极的应用人脸的检测与识别的研究涉及模式识别、图像处理、生理学、心理学、认知科学等许多领域,这使得人脸检测与识别技术的研究己经成为当今的热点问题之一。论文的主要内容如下:1.基于支持向量机的方法是解决复杂的人脸检测问题的有效途径。基于支持向量机(SVM)的方法,由训练和检测两部分组成。训练过程是用大量人脸样本、“非人脸”样本训练SVM分类器,使之获得一个最优分类超平面。检测阶段用训练好的SVM分类器检测图像中的人脸。2. Adaboost方法采用一种称为“积分图像”的图像表示方法,快速计算出弱分类器用到的特征。然后基于Adaboost学习算法,从一个较大的特征集中选择少量的关键的视觉特征,产生一个高效的强分类器。再用级联的方式将单个的强分类器合成为一个更加复杂的层叠分类器,其在人脸检测方面速度相当快。应用Adaboost算法和矩形特征构建了人脸检测层叠分类器,实现了人脸检测,并测试了分类器的性能。3.简单介绍了一种人脸识别的方法-核主分量分析(KPCA),该方法通过引入多项式核函数,充分利用了人脸图像多个像素之间的高阶相关性,同时,把在低维空间的不可分问题转化成在高维空间的线性可分性问题。实验结果表明,本论文的人脸图像检测算法能够有效地检测出较复杂的图像中基本为正面的人脸图像。