基于生物特征识别的身份鉴别技术提供了一种高可靠性、高稳定性的身份鉴别方式。在各种生物特征识别技术中，人脸识别是一项极具发展潜力的生物特征识别技术，在信息安全、公共安全、金融等领域具有广阔的应用前景。　　 人脸识别是模式识别和计算机视觉领域最富有挑战性的研究课题之一，虽然人类不需要任何训练准备就能识别出入脸，但是人脸的机器自动识别却是一个难度较大的课题，其主要任务是利用已经存储的人脸图像库，识别静态图像或视频图像中的一张或多张人脸。一个完整的人脸识别系统包括人脸检测和人脸识别两个部分。　　 本文首先全面概述生物特征识别技术及其发展方向、应用背景和研究意义，详细描述了人脸识别技术的研究内容、方法和应用前景，此外还对人脸识别技术在国内外的研究现状，以及现有的人脸库与人脸研究实验室情况进行综合概述；其次，本文主要介绍了目前常见的几种复杂环境下的人脸检测方法，并对其优缺点进行简单比较分析；再次，本文对传统的和目前主流的人脸图像特征提取与识别方法，如主成分分析法、线性判别分析法等进行了详细的介绍，在此研究基础上对基于Haar特征的人脸检测方法和基于正交局部Fisher判别嵌入的人脸识别方法进行一些相关研究工作；最后本文阐述了完整的人脸识别系统的设计方案与设计流程。　　 论文的主要工作包括：　　 1.采用基于Haar特征的人脸检测方法，利用VC++6.0和OpenCV开发出一个人脸检测程序。　　 人脸检测部分主要是从输入的静态图像或者由视频头捕捉到的动态视频中找到所有人脸。本文采用的是基于Haar特征的人脸检测算法，该算法不仅具有较高的检测率，同时能够满足实时检测的要求。同时，在检测过程中采用积分图的方法计算特征，可以只对图像进行一次遍历计算，就能够在常数时间内完成对每个特征值的计算，使训练和检测速度大大提高。利用Adaboost算法将特征生成的弱分类器叠加成强分类器，将强分类器串联起来组合成为层叠分类器，完成对候选区域进行基于知识的筛选.在粗略定位人脸的基础上，利用基于知识的筛选有效的定位出入脸的候选区域，完成对人脸的确认。　　 本文采用VC++6.0和OpenCV开发出一个基于实时采样的人脸检测系统，系统使用普通的USB摄像头采集视频图像。通过实验，基本实现对摄像头实时采集到图像中的人脸进行检测，具有较高的检测率和较低的漏检率。实验结果证明本系统具有良好的实时性和准确性。　　 2.一种改进的基于正交局部Fisher判别嵌入的人脸识别算法　　 通常情况下，在观测空间中获得的人脸图像数据是维数很高且是非结构化的原始数据，这些数据不仅存在维数过大问题，而且也不能清晰反映出检测对象的内在本质，因此不宜直接在观测空间中对数据进行分类。这就需要对数据集进行特征提取，通过科学提取反映对象本质的特征数据，可在实现降维的同时保持数据集原有的重要本质结构特性不变。子空间方法是目前特征提取和识别的主流方法。主成分分析(PCA)和线性判别分析(LDA)是两种能够提取有用特征并且降低计算复杂度的最流行的线性子空间方法。然而，这两种方法只能看到欧氏结构，不能发现隐藏人脸图像高维像素阵列中的非线性结构。流形学习理论试图揭示数据集的内蕴结构以获得对问题本质的研究。局部保持投影(LPP)是最近提出的一种子空间学习方法，是流形学习方法拉普拉斯特征映射的线性近似，具有保持局部几何结构的属性。但没有考虑类标签的信息，不能发现数据流形的辨别结构。　　 本文以局部保持投影方法为基础，研究了一种称为局部Fisher判别嵌入算法，该算法继承了流形学习保持局部结构的特性。由于局部Fisher判别嵌入算法求取的鉴别矢量不是正交的，这就使得鉴别矢量张成的空间与原空间存在尺度上的变化，由此提出了一种改进的正交化局部Fisher判别嵌入算法。在ORL人脸库上的实验结果表明，与PCA、LDA、LPP、LFDE等方法相比，提出的OLFDE方法能获得了更好的识别效果。