生物特征认证技术(Biometrics)由于使用了人体本身所固有的生物特征,是与传统的身份认证方法完全不同的崭新技术,具有更高的安全性、可靠性和有效性,越来越受到人们的重视。在众多的身份认证方法中,人脸识别技术是一种最容易被接受的身份鉴定方法。人脸识别是近年来计算机视觉、模式识别领域的一大研究热点,在刑侦破案、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。 本文首先介绍了人脸识别技术的研究背景和主要方法,然后针对人脸识别技术中的关键环节—人脸检测和分类识别进行了深入研究,提出了一套用于静态的正面人脸识别的方法。本文工作主要包括以下几个方面: (1) 人脸检测:针对本文研究对象的特殊性,即人脸图像无大的姿态变化且背景比较简单,本文提出基于积分投影法辅以人的面部所遵循的比例关系原理的脸部特征定位法。先通过垂直投影法得到人脸的左右边界,再根据人脸的长宽比例的先验知识粗定位人脸矩形区域,最后根据实际需要进行一系列归一化得到精确定位的人脸的整体图像。实验结果表明这种方法可行。 (2) 特征提取:鉴于奇异值能有效地反映矩阵特征,因此本文采用改进的基于代数特征的奇异值分解方法来进行特征提取。将经过精确定位的人脸图像矩阵分解得到奇异值特征,再经过一系列的奇异值处理,即奇异值降维压缩、奇异值矢量标准化和奇异值矢量排序,最后得到用于识别的奇异值特征矢量。实验结果表明,用这种方法来表征人脸,能够更加充分地利用图像的信息,增加有效的识别特征量,更好地反映人脸特征的个体差异。 (3) 分类器设计:人脸识别的实质问题是分类器的设计问题。该部分采用人工神经网络分类器作为人脸识别分类器,并且采用改进的基于动量项