家庭服务机器人的视觉系统是家庭服务机器人获取信息的主要来源,能否准确快速地识别室内复杂场景中的物体和家庭成员是家庭服务机器人能否完成家庭服务的基础,因此,研究并实现家庭服务机器人的目标识别和基于人脸识别的身份认证有着极其重要的意义。本文针对家庭服务机器人的实际应用以及RoboCup家庭服务机器人组比赛中的具体问题,如减少光照、摄像头视角对目标识别和人脸识别的影响,主要做了以下工作:首先,本文介绍并比较了几种经典的目标识别方法和人脸识别方法,分析其优缺点,从而在此基础上提出并实现适合家庭服务机器人的目标识别算法和人脸识别算法。其次,在基于颜色信息的多目标识别的基础上,为充分利用物体形状、纹理等信息,保证目标物体在目标识别系统中的平移不变性、比例不变性和旋转不变形,并减少不同的光照条件、不同的摄像头视角对目标识别系统的影响,以优化后的形状不变矩构成特征向量,并通过改进的欧氏距离对特征向量进行比较,从而找到一种高效、快速、鲁棒的目标识别算法,以满足家庭服务机器人目标识别的实时性、准确性。最后,针对普通的人脸识别系统在低样本数量情况下累计识别率较低的问题,通过Adaboost分类方法,挑选出有效区分人脸与非人脸的能够进行快速人脸检测与定位的Haar特征,并对人脸区域图像进行几何归一化和灰度归一化处理,从而在最大程度上避免室内环境下不同光照条件对人脸识别准确率的影响,并去除背景的干扰。然后,以特征脸作为特征向量,通过改进的PCA进行快速降维,仅以前面几个最大特征值对应的特征向量构成一组基,以达到既有效表征人脸的目的,又使得在人脸采集数量较少的情况下具有较高的人脸识别效率。在ORL人脸库上的实验证明了该算法能够有效提高特征脸的匹配速度,可以实现家庭服务机器人低样本数量下的准确、快速的人脸识别。