该论文主要研究工作包括:快速的人脸检测方法,基于判别分析的人脸识别方法,以及影响人脸识别性能的两个最重要因素(光照和姿态变化)的处理方法.(1)复杂背景下的快速人脸检测技术.采用简单的类Haar基图像来抽取图像特征,并将多个简单分类器组合构成一个强分类器,再用多个强分类器逐次对待检测窗口区域进行判断,从而得到最终的人脸候选区域.我们也提出采用边沿特征预处理和快速的搜索策略来提高检测速度.提出了基于模糊C均值聚类方法的肤色分割方法,获得了更准确的分割结果.(2)基于判别分析的人脸识别方法.研究了基于图像矩阵的判别分析方法,并对基于矢量和基于矩阵的判别分析方法的识别性能进行了比较,讨论了各自的优缺点.(3)亮度变化下的人脸识别方法.提出了基于本征亮度模型的光照处理算法.提出了基于比率图和迭代的光照处理算法.该方法不同于以前所有方法,在每个人仅有一幅正面光照图像的条件下,通过图像分割、边沿提取和自适应滤波等图像处理技术,以及正面人脸的对称性等知识,基于迭代的比率图方法,可以将任意光照的人脸图像恢复成一个具有正面光照的图像.该方法比本征亮度模型复杂些,但是更能处理人脸表面上非常大的亮度变化问题,且恢复出的图像更符合人眼的视觉习惯.实验表明,该方法能获得很好的识别效果.(4)姿态和亮度变化下的人脸识别方法.提出了基于有理B样条函数拟合3D人脸表面和基于亮度模型的计算机图形学技术的亮度和姿态变化的处理技术.