人脸识别技术是计算机模式识别领域非常活跃的研究课题,在法律、商业、安全系统等领域有着广泛的应用。由于人脸图像的特殊性,人脸识别问题也是模式识别领域的一个相当难的问题,要使这一技术完全成熟还有很多工作需要去做。随着社会的发展与技术的进步,人脸识别技术的应用必然会越来越广泛。人脸识别系统是一种基于信息处理的模式识别系统。它主要包括三大部分:人脸检测部分,特征提取部分与模式识别部分。人脸检测部分主要是对输入的静态图像或动态视频中找到所有人脸。特征提取部分是要从人脸图像中提取可以用来区分不同人的人脸图像的特征信息,模式识别部分的作用是对于从前半部分提取的特征信息进行分类,整个系统的识别率由这三部分共同决定。对于人脸检测部分,本文采用的是目前比较新颖的基于haar-like特征的人脸检测算法,该算法不仅具有较高的检测率,同时也能够满足实时检测的要求。算法使用的是一系列haar-like特征来描述人脸,结合层叠式分类器和Adaboost算法,在整幅图像中搜索人脸。它不仅可以满足不同尺度检测的要求,也同时可以满足多人脸检测的要求。我们利用OpenCV提供的库在计算机中实现了该算法。在实验中,发现该算法存在双框定位的问题,通过对原程序进行了改进,有效地消除了双框现象。对于特征提取部分,本文采用的是基于独立成分分析的方法,与其他常见的特征提取方法相比,该方法能够有效地利用图像的高阶统计信息,使人脸模式更加集中,能够有效地提高分类的识别率。在模式识别部分,本文采用的是目前最新的一种分类方法,最小最大概率机方法,我们将该方法引入到人脸识别中,并在计算机中实现了该算法。与传统地分类识别方法相比,MPM方法有一个最大的优点,即能够明确地提供一个分类错误的上阕界,这是对系统评估中的一个非常直观的因素。它能够最小化最坏情况下的错分概率,最大程度地保证分类的准确性。