使用人脸识别系统进行身份验证具有用户友好、识别过程自动化的特点,但其识别率受光照、遮挡物等复杂环境的影响较大,因此研究如何提高多变环境下人脸识别系统的识别率具有重要的研究价值。本论文主要讨论如何提高复杂光照条件下人脸识别系统的识别率问题。传统上解决光照问题主要是通过基于变换的光照补偿和基于光照样本合成的光照补偿两种方法解决光照对人脸图像的影响。然而,这两种方法只是在特定条件下一定程度上减弱了光照对人脸图像的影响,在某些特定场景下,比如智能家居场景下,光照对人脸图像的影响较大,使用这两种方法来解决就显得捉襟见肘,有必要研究一种新的算法解决特定场景下的光照问题。智能家居场景对人脸识别算法有一些性能上的要求,尤其光照问题引起的识别率较低的问题急需解决,本文针对智能家居的特点,提出了光照均衡预处理变换和改进型的HV2DPCA算法,这两种方法可以在人脸图像的预处理阶段和人脸识别阶段发挥作用,解决居家场景下的光照给人脸识别带来的误识别问题,显著提高人脸识别正确率。为了更好地说明光照均衡预处理变换和改进型的HV2DPCA算法对人脸识别性能的提升,本论文使用MATLAB开发了一套人脸识别仿真系统,使用此系统得出使用抗光照干扰方法前后的识别率数据,然后将得出的数据画出变化曲线图,通过此曲线图就可以进行相应的分析。为了验证提出的改进算法适应智能家居场景,本论文将开发的人脸识别系统在ARM板上直接实现,通过模拟智能家居的严苛条件,得出使用本论文提出的改进算法前后的识别率数据,从而可以看出改进算法的优劣。