基于面部特征的身份验证技术有着广泛的应用前景,在各个行业均有这样的需求,利用人脸特征进行身份验证是最自然最直接的手段,人脸识别由于可接受性好,不需要物理接触等特点,符合人们日常习惯,在各个行业领域有广泛应用,人脸识别不但可以明显提高工作效率,而且具有较高的安全性和可靠性。为了将人脸识别这一较新的技术应用到矿山身份验证过程中,本论文进行了详细的研究和设计。主要工作有:1)结合本论文研究需要,构建了符合井下人员特点的人脸数据库,并以此展开研究。2)通过现有理论与算法的对比分析,得出本论文所要进行人眼与人脸识别所采用的算法:小波变换的方法,为以后研究提供方法和理论依据。3)以井下人员人脸数据库(MUPHF)中ID22.bmp图片为例子,说明图片预处理过程,最终处理成符合人脸识别的图像过程。4)采用Haar特征,利用AdaBoost算法从大量Haar特征中挑选出很少的一部分构造成强分类器,通过构建基于权重的级联分类器,通过δ规则调节权重,进而可以进行人脸识别。本论文采用真实矿工图片作为样本训练构造分类器,得到用于人脸与人眼检测的基于xml的分类特征文件。5)基于视频流的人脸检测有很强的实用性,本论文完成了基于视频流与图像的人脸与人眼检测的原型系统。6)通过基于不同分类器的试验结果,对结果进行对比和分析,得出本论文所得人脸分类器适合井下环境人脸识别,而人眼识别分类器需要做进一步训练。