人脸识别技术是计算机模式识别领域非常活跃的研究课题,在法律、商业、安全系统等领域有着广泛的应用。由于人脸图像的特殊性,人脸识别问题也是模式识别领域的一个相当难的问题,要使这一技术完全成熟还有很多工作需要去做。随着社会的发展与技术的进步,人脸识别技术的应用必然会越来越广泛。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:特征提取部分与模式识别部分。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。对于特征提取部分,本文采用的是统计模式识别方法中的基于二阶矩和高阶矩的方法。在本文中用到的二阶矩方法有PCA方法和Fisher脸方法,基于高阶矩的方法为ICA方法。在本文中也对用到的各种方法做了具体详细的分析。对于模式分类部分,本文采用了由二类SVM分类器构成的多类分类器。由二类分类器构成多类分类器需要多个二类分类器的组合形式,传统的方法有一对一方法,一对多方法,二叉树的方法和m-ary方法。本文首先对这些方法作了分析总结,发现这些方法或者分类能力很强但是所用到的分类器太多,或者所用到的分类器很少但是分类效果太差,针对这些缺点,本文采用了ECOC方法来构成SVM多类分类器,这种方法只需要很少的二类分类器,但是构成SVM多类分类器的这组分类器由于具有设定的纠错能力,当一部分分类器发生分类错误时仍然可以给出正确的分类结果。这样不仅降低了系统的复杂性,而且提高了最终的识别率。