科学技术的不断发展,带动着经济的快速发展,同时对各种公共场合身份识别和认定提出了新的更高的要求。而传统的通过人身标识物品和人身标识知识方式对身份辨别的方法已不能满足社会的需要。随之出现的生物特征识别技术,因其具有不易丢失、无法复制及安全性更高等优点,在人脸图像自动识别领域上得到广泛应用。人脸识别系统采用计算机对应用场景中摄像机所采集的图像进行人脸检测、分析、识别,从而确定图像中人的身份,实现辨别人脸的目的。此识别方法可为需要进行身份验证或跟踪的场合提供更加安全、快捷且有效验证方式。由此各种人脸识别算法被提出,其中由David Lowe所提出的SIFT(Scale Invariant Feature Transform)算法,因其提取的特征向量具有尺度不变旋转特性、鲁棒性强等优点,不断被应用于人脸识别研究领域。本文将针对基于YCbCr空间肤色模型、基于SIFT的人脸图像特征提取以及特征匹配开展深入研究,主要工作如下:1.针对前期的人脸检测和定位,提出一种基于YCbCr空间改进的肤色模型人脸检测算法。首先,建立肤色模型进行人脸肤色的提取,进而通过面积比以及人脸长宽比筛选出图像中的人脸;其次,为去除可能存在的耳部区域以及颈部区域干扰,总结一种耳根定位算法和一种基于人脸图像中心线像素灰度循环扫描方法。实验结果证明了此方法的准确性和有效性。2.针对SIFT算法所提取的特征点数量多,匹配难度大等问题,本文提出一种改进的SIFT算法来对人脸图像进行特征匹配:通过前期的人脸检测算法去除人脸图像中无关干扰,从而避免无关特征点的提取与匹配,保证特征点的有效性和准确性;3.在特征向量匹配阶段对特征向量进行分区匹配,然后用最小欧氏距离作为判断特征点是否匹配的准则,最后以最小欧氏距离与次最小欧氏距离之比作为有效匹配的效验,进而提高匹配效率和准确度。