从20世纪70年代起,对人类语言方式的机器理解研究成为国际上重要的研究课题。在我们日常的交往中,人脸表达着丰富而细腻的情感和心理信息,因此,以人脸识别为代表的面部感知计算从80年代末开始逐渐成为热门的研究方向之一,尤其是人脸识别引起了越来越多的关注。人脸识别被重视的另一个重要原因是其在经济、安全、社会保障、犯罪、军事等领域具有巨大的潜在的应用价值,尤其在需要对用户身份进行验证或识别的场合。人脸识别技术因其无需用户过多参与、非接触式的数据采集方式、对用户无任何损害、便于隐藏等优点而普遍为人们所看好,被称为21世纪最有前途的身份验证方法。对人脸问题的研究和解决,有助于对其他对象识别问题的研究分析和解决,人脸识别也因此成为这些基础研究领域的重要课题之一,具有重要的理论研究价值。在现有人脸检测和识别的基本理论和关键技术基础上,论文重点讨论了彩色人脸图像的人脸检测、图像增强、特征提取、基于多分类器组合的人脸识别方法、人耳识别、侧面人脸识别、人脸识别和人耳识别相融合的方法、三维人脸识别的多Agent结构模型等问题。本文的主要研究内容包括:(1)针对人脸检测算法的主要困难,本文提出了一种新的人脸图像增强方法。实验结果表明,该方法对于偏亮或者偏暗的人脸图像,可以转换成比较清晰的人脸图像,从而明显地提高人脸检测、识别的准确性。(2)针对复杂背景下的人脸检测,本文提出了一种基于肤色和双眼信息的彩色图像中的人脸检测算法。该算法首先根据肤色信息对输入图像进行人脸区域的粗检测。剔除了人脸不可能存在的区域,同时获得了人脸可能存在的区域,从而缩短了检测时间。实验结果表明,此算法利用肤色和双眼信息进行人脸区域检测,具有较好的鲁棒性,可以有效地运用于多人脸、不同尺寸、表情姿态、复杂背景的情况,对人脸旋转和侧偏具有较高的适应性。同时也使误检率达到较低的水平,取得了较好的检测效果。