随着社会经济的快速发展以及生活水平的不断提升，越来越多的人拥有私家车，驾校学车的学员也与日俱增。然而，在驾校的不断壮大和发展过程中也出现了诸多问题，如学员培训质量得不到保证、学校办学条件不规范等。由于没有很好地监管，很多驾培机构采用快速学车的方式来获取驾驶证，以至于未能熟练掌握驾驶技术，给我国交通安全带来了严重的安全隐患。解决以上问题最直接的方式是完善考勤系统，通过打考勤记录培训时数、驾驶距离等关键信息。本文针对驾校现有指纹考勤系统存在的学时造假及部分指纹检测失效等问题，将人脸识别打考勤应用到驾校实际考勤中。但是，当前存在的人脸识别算法普遍存在识别率不高的问题，因此基于驾校人脸识别考勤算法的核心问题是如何提高识别率，使学员能够更精准地打考勤。本文针对学员在小样本范围下（8人左右）对人脸识别算法进行改进，提高识别率，从而满足考勤要求。因此，本文在分析研究已有算法的基础上，重点对光照预处理、人脸检测、以及人脸特征提取算法加以研究。　　第一，针对经典Retinex等其他光照处理方法的缺点，本文在单尺度Retinex算法的基础上改进，应用HSV-自适应Retinex算法对待检测图像进行光照增强处理。通过实验验证改进后算法的效果图以及直方图优于传统方法，证明了改进算法能够更好的恢复图像中人脸的相关信息，并为后面的人脸检测打下了基础。　　第二，在进行光照预处理之后，针对经典颜色空间及肤色模型方法的缺点，本文采用了一种椭圆高斯双肤色模型与 Adaboost快速检测算法相结合的人脸检测算法。此算法选择在聚类性较好的YCgCr颜色空间对光照增强后的图片进行椭圆高斯双肤色建模，粗检测出人脸区域。然后再利用形态学方法去除孤立肤色点以缩减检测范围，并运用Adaboost快速检测算法实现人脸的精确定位，实现了双肤色模型与 Adaboost快速检测算法相结合，为后面人脸特征提取做好铺垫。实验数据显示，该方法在检测率、检测时间等方面有所提高。实验结果表明，改进后的人脸检测算法可实现光照不均以及不同年龄下的人脸检测，能够快速且较为准确的检测人脸。　　第三，在人脸部位确定出来之后，针对传统人脸特征提取方法的缺点，本文采用线性判别分析法为具有128维的SIFT特征提取算法进行降维，之后再采用K-means聚类将人脸的关键点聚集在五官(如双眼、鼻子、嘴角)等特征较为明显的部位，删除掉那些不必要的点，再进行相应的匹配，最终实现人脸的识别。　　最后，经过一年多的研究和实践，本文对以上算法进行研究和改进，在 Matlab及VS2010平台上设计并实现了整个人脸识别考勤系统。本文的实验部分针对驾校学员在小样本情况下进行实验进行验证，并给出不同情况下照片的分析结果。通过实验数据和分析结果图表明本文改进算法是可行的。