生物特征识别是利用人类特有的生理或行为特征来识别个人身份的技术,它提供了一种高可靠性、高稳定性的身份鉴别途径。人脸检测和识别是目前生物特征识别中最受人们关注的一个分支,是当前图像处理、模式识别和计算机视觉领域内的一个热门研究课题,在公安部门罪犯搜索、安全部门动态监视识别、银行密码系统等许多领域有广泛的应用。与指纹、视网膜、虹膜、掌纹等其他人体生物特征识别方法相比人脸识别具有直接、友好,使用者无心理障碍等特点。本文对此进行了较为深入的研究,论文的主要工作和成果有以下几个方面:
　　 1.基于肤色模型的分层人脸检测算法
　　 研究表明人脸的肤色在颜色空间中的分布相对比较集中,颜色信息在一定程度上可以将人脸同大部分背景分割开来,由于颜色信息计算简单,快速,满足算法的实时性要求,同时,人脸的肤色特性对于人脸旋转,缩放等几何变化都是非常鲁棒的。本文首先使用人脸的肤色特性作为人脸检测的预处理,分割人脸肤色区域,接着给出了一种分层人脸检测模型进行候选人脸区域的认证。
　　 2.局部二值模式(LBP)
　　 局部二值模式(LBP)是一种灰度范围内的纹理描述方式,它从一种纹理局部近邻定义中衍生出来,最初是为了辅助性地度量局部图像对比度提出。近年来,研究者们成功地将其用于人脸特征描述和识别,并取得了显著的效果。然而,LBP算子本身还不够完善,在人脸识别的应用中还存在许多问题亟待解决。提出LBP子模式算法。对LBP模式的降维方法进行了研究,分析了LBP等价模式的不足,并结合PCA降维,提出LBP子模式算法。该算法针对不同图像提取最具代表性的子模式特征。