随着科技的发展和人们安全意识的提高,对快速有效的身份鉴别的需求日益迫切。人脸识别技术相比于传统的门锁、密码等方式更为方便、可靠和安全;相比于虹膜、指纹等其他生物识别技术更友好,事后的查询能力更强。相信随着该项技术的不断成熟,它将极大地改变人类现有的生活方式。人脸识别发展至今,已有了相当多的识别算法,但对于一个实用的人脸识别系统,仍需解决许多干扰因素对系统的影响。光照预处理、人脸特征提取和挑选等技术对提高人脸识别系统的稳定性有着重要的作用。本文针对这两项关键技术进行研究,提出或改进了已有的算法,在此基础上本文还介绍了我们完成的一个实用系统。本文主要工作包括:·对数全变分模型具有将图像按特征尺度分解的性质,能够用来提取具有光照不变性的人脸特征。但其结果,特别是高灰度值图像上的结果,仍有对比度低、灰度归一化不够等问题。本文提出了一种改进方法,针对对数全变分模型结果设计了一个非线性变换,提高了图像的对比度,增强了人脸特征,并归一化整体灰度水平。在Yale B和CMU-PIE人脸库上的实验证明,该方法有效地提高了对数全变分模型的识别效果。·人脸识别的精度不仅取决于分类器的好坏,更重要的是提取什么样的人脸特征来描述不同的人脸,所以本文着力研究人脸特征提取与挑选方法。提出了基于改进对数全变分模型的人脸显著特征挑选方法,该方法可以自动地提取出人脸的几何结构,并利用Hausdorff将几何特征和纹理特征融合在一起;总结了基于AdaBoost的特征挑选方法,并着重研究了Gabor特征和LBP特征的挑选。这两种方法都取得了良好的识别效果。·在算法研究的基础上,本文给出了一套完整的人脸识别解决方案,该系统使用人脸识别技术管理一个智能化小区,提供门禁、考勤、出入人员记录功能。系统可用于公司、学校、考场管理等许多场合。该系统为测试识别算法的性能和稳定性提供了良好的平台,也为人脸识别技术的实用化打下了坚实的基础。