随着社会的进步以及网络技术,计算机技术的飞速发展,基于生物特征的身份认证技术受到了广泛的关注,如指纹识别,虹膜识别,人脸识别等。在所有生物特征识别方法中,人脸识别技术因其具有直接,友好,方便,符合人们认识规律等优势,成为研究者们的首选识别技术。人脸识别系统是一种基于信息处理的模式识别系统。它主要包括两大部分:特征提取与模式分类。特征提取部分是要从人脸图像中提取可以用来区分不同人的人脸图像的特征信息,后半部分的作用是对于从前半部分提取的特征信息进行分类,整个系统的识别率由这两部分共同决定。本文就针对这两个方面,做了如下的研究工作:1.通过广泛的调研,对人脸识别的历史和现状进行了比较全面的综述;针对自动人脸识别系统中的一些关键问题展开讨论,学习了现有的关键技术,分析,总结了目前研究中存在的问题和难点;最后还介绍了国内外主要的公用人脸数据库。2.研究了人脸图像预处理及人脸检测方法。为了提高人脸识别的精度,在人脸识别之前都需要进行人脸图像的预处理工作。预处理包括很多内容,例如对人脸图像进行滤波去噪、灰度转换、灰度归一化、几何归一化等。好的预处理将会直接提高最终的人脸识别率。因此在人脸识别前,进行预处理的环节显得十分重要。本文对人脸图像的预处理工作主要有:几何归一化和光照处理。文章还介绍了基本的人脸检测方法,最后采用SMQT+SNoW相结合的算法进行了实验,实验表明该算法是非常有效的。3.人脸特征提取与识别。在这一章中,简要介绍了特征提取的一些经典方法,比较深入的研究分析了PCA、LDA、NMF人脸识别算法的原理,并对这几种算法的识别效果进行了验证,通过大量的实验表明这些方法是有效可行的。4.研究了人脸特征定位。面部特征精确配准是鲁棒实用的人脸识别系统的基本前提,主动形状模型(ASM)是目前解决该问题的主流模型。此外,基于Gabor的小波具有良好的局部特征和方向选择性,且对光照和姿态具有较强的鲁棒性,因此本文提出了一种融合Gabor相位和幅值信息的ASM特征提取算法。该算法同时具有Gabor方法和ASM方法的优点,实验表明该算法能够比较精确的定位面部关键特征,对光照变化具有较好的鲁棒性。