人脸识别技术一直是机器视觉和模式识别领域的热点研究问题,与其他生物技术相比,因其具有使用方便、简单直接、交互友好、很容易被人们接受等一系列优点,在公安、海关、银行等安全需要较高的领域有着非常巨大的市场前景。该技术是一项融合了多学科的高新技术,涉及到计算机图形学、模式识别、生理学、人工智能、机器视觉等多个领域。通常我们所说的人脸识别技术应当由人脸的跟踪与检测、人脸图像的预处理、图像的特征提取以及根据特征进行分类识别等技术组成,其中比较关键的两个部分就是人脸的检测和特征的提取,同时它们也是比较难的两个部分。因此,本文也从这两个方面进行了改进。(1)在人脸检测部分,本文提出了一种综合的人脸检测方法,有效的提高了检测的实时性和稳定性。该方法首先根据图像的整体像素信息判别图像的拍摄环境,进行光照补偿后,利用肤色信息来进行皮肤区域的初步定位,然后根据肤色区域的像素数,对图像大小进行适当调整,最后利用AdaBoost算法训练好的判别器对人脸进行检测。通过实验我们也验证了该方法不仅保证了人脸的检测的实时性,而且降低了误检率,在整体性能上比传统的AdaBoost算法都有所提高。(2)在分析了主成分分析法(PCA)以及Fisher线性鉴别分析法(Fisher LDA,LDA)的原理以及各自的优劣后,为了兼顾图像局部特征和整体特征,提出了一种新的基于半偶图像的LBP和DCT特征融合的方法。该方法使用半偶图像作为训练和识别样本,对样本分别进行LBP特征提取和DCT特征提取,将提取到的特征融合成新的特征,最后对新的特征进行分类识别。并且通过实验,用MATLAB对各种方法进行仿真实验,从结果看出基于半偶图像的LBP和DCT特征融合的方法不仅降低了样本维数,而且削弱了表情以及姿态对识别性能的影响,同时兼顾了图像的高频信息和低频信息,与传统的LDA算法相比,性能有了很大的提高。(3)为了解决传统LDA算法中的小样本问题,引入了2DLDA方法,并将它与半偶图像结合,提出了基于半偶图像的2DLDA方法(HE2DLDA).该方法将2DLDA方法和半偶图像作为样本的优势很好的体现出来。而且用实验进行了仿真验证,从结果可以得出,在具有相同的识别效果的前提下,HE2DLDA比LDA和2DLDA方法都节省时间。(4)综合前面的算法,将理论用于实践,利用开源视觉库OpenCV实现了整个人脸识别系统,通过测试还是有不错的效果。