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.基于支持向量机的人脸检测人脸检测问题作为人脸识别系统中的一个关键环节,但随着人脸应用范围的不断扩大和开发实际系统要求的不断提高,人脸检测的最初研究不再能满足需求。由此,人脸检测开始作为一个独立的课题受到研究者重视。到目前为止,人脸检测算法的研究已经相当深入,但是对于复杂背景下的多姿态人脸检测(如侧面人脸、遮挡脸)仍然难以取得较好的效果。此外,对于一个人脸检测系统,同时达到速度和精度要求也是众多研究者关注的问题之一。本文提出构建支持向量机分类器来对人脸和非人脸进行区分,在对视频图像的实时人脸检测实验中取得良好的结果。2.基于支持向量机的人脸识别人脸识别是一项极具有发展潜力的生物特征识别技术,研究人脸识别技术具有十分重要的理论和应用价值。最近几年,人脸识别技术取得了前所未有的发展,但其在实际应用中的识别精度仍然难以满足人们的预期要求,特别是采集图像中存在光照变化、摄像方位变异以及其它干扰。我们首先使用二维Gabor小波变换,能够将相邻区域的像素联系起来,从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化。当直接采用图像像素的灰度值进行人脸识别时,模式特征容易受到人脸表情、光照条件和各种几何变换的影响,难以取得很高的识别精度。二维Gabor小波变换能够捕捉对应于空间位置、空间频率及方向选择性的局部结构信息,适合用于表示人脸图像。二维Gabor小波变换系数描述了图像上各给定位置附近区域的灰度特征,在人脸图像的二维Gabor小波变换系数的基础上进行特征提取。然后构造支持向量机的多类分类器对这些特征进行识别处理。最后通过实验评估分析了这一方法。