人脸是人类最重要的生物特征之一,反映了很多重要的生物信息,如身份、表情、性别、种族、年龄等等。随着计算机技术的飞速发展,基于人脸图像的计算机视觉和模式识别问题也成为近些年研究的热点问题。作为人脸识别技术的重要组成部分,人脸的表情、性别识别技术也受到广泛的关注,该技术能进一步提高人脸识别的识别率,为人脸识别提供了很有意义的补充,使人脸识别更全面更丰富,应用前景更广阔。因此对表情、性别人脸识别进行研究具有重要意义。人脸的表情、性别识别系统主要分为三部分:人脸图像的预处理,人脸特征提取和分类器识别三部分。本文主要从这三方面展开研究。人脸图像的预处理直接影响人脸表情、性别的识别率。图像的预处理主要包括人脸检测、尺度归一化、灰度归一化。通过对人脸检测问题中的重要理论的研究,本文采用基于AdaBoost算法的层级式人脸检测策略。采用该方法的原因在于:该检测方法检测速度快,检测精度高。然后将检测出的人脸进行尺度归一化和灰度归一化处理。人脸性别的识别,这部分包括人脸的特征提取和分类,特征提取更加重要,能否从高维的人脸图像中提取出感兴趣的人脸特征,是识别的关键。本文首先介绍了经典的基于主成份分析(PCA)的特征提取策略,然后介绍特别强调类内和类间信息的基于线性判别式分析(LDA)的特征提取策略,LDA算法具有不能被应用于小样本的缺陷,本文将PCA和LDA算法相结合,克服了LDA算法的缺陷,最后采用欧式距离作为模式特征之间的相似性量度,采用基于距离函数的分类器。但是实验过程中采用均值脸算法的泛化性不高,以后还需要进一步改进。在人脸表情识别实验中,采用基于Gabor小波和弹性模板匹配的方法,对人脸表情特征提取时,先对图像逐个像素进行Gabor小波变换,然后再提取局部关键区域的小波系数,利用欧式距离公式计算相似度,利用弹性模板匹配的方法进行匹配识别,最后利用K近邻分类器实现人脸面部七种基本表情的识别,取得了较好的实验结果。但实验过程中采用的K近邻分类器计算的时间复杂度高,以后还需要进一步的改进。