现代信息社会对于身份鉴别的准确性、安全性与实用性提出了更高的要求，传统的身份识别方法已经不能满足这种要求，而人体丰富的生理和行为特征为此提供了一个可靠的解决方案，因而引起了国际学术界和企业界的广泛关注。生物识别是一种根据人体自身的生理特征(如指纹、脸像、虹膜等)和行为特征(如笔迹、声音、步态等)来识别身份的技术。近年来，随着模式识别、图像处理和信息传感等技术的不断发展，生物识别显示出更为广阔的应用前景。众所周知，其它的生物测定方法如指纹、声音和虹膜等，由于要求被测定者的主动配合参与，才能达到识别的目的，而人脸识别却不受这种限制，因此人脸识别正在成为当前人们关注和投入较大研究力量的重点。 人脸脸像是人类视觉中最为普遍的模式，人脸所反映的视觉信息在人与人的交流、交往中有着重要的作用和意义。计算机脸像识别技术试图使计算机具有人的脸像识别能力。由于其广泛的应用领域，依托于计算机视觉、图像处理、模式识别和神经网络等领域的人脸自动识别技术是现今国际前沿和热点问题，有着十分重要的现实意义。 本文在分析和总结国内外近十多年来的相关研究成果和最新研究进展的基础上，针对应用上亟需解决的人脸分割定位和人脸识别的方法和理论进行了系统的实验和理论研究，从而形成了一套比较完整的人脸识别体系。 本文的主要研究内容集中在两个方面：彩色图像中有效的人脸检测方法和利用多元统计分析方法的人脸识别。从自动的人脸检测到人脸识别，本文力图将多元概率统计分析、神经网络、统计物理学等方面的成果，与计算机视觉领域对图像进行智能解译的理论结合起来，在人脸识别方面，在理论与实践上提出并实现了一系列有实际应用价值的算法，而人脸检测算法部分已经在机场离港旅客识别系统项目中得到实际的试用。摘要 (l)彩色图像中人脸自动检测 人脸检测作为人脸信息处理中的一项关键技术，近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题。如在安全检查、视频监测、智能人机接口、基于内容的检索、数字视频处理等诸多领域。在大多数应用场合中，人无法控制场景，并且没有任何有关人脸位置、尺度、方向、是否遮挡和人脸姿势的先验知识，因此人脸检测和定位就成为一个非常困难的问题。本文主要从实际应用项目出发，利用彩色图像中人脸肤色信息以及灰度图像中的人脸几何特征信息来检测出不同环境下的人脸，所做的主要工作概括为: .针对彩色图像人脸检测中彩色空间的选择，提出一种新的非线性彩色空间来进行人脸肤色的分割。在该非线性彩色空间中，人脸肤色区域中的色度信息与其它区域(如背景)之间的对比度增加，这将更有利于人脸肤色的分‘割。 .提出一种从粗到精的自适应肤色动态分割算法。首先，利用离线训练得到的静态肤色模型参数，对人脸进行快速的粗分割;然后利用粗分割的阶段得到的肤色信息，进行实时在线的自适应训练，从而得到动态肤色模型参数，该动态肤色模型利用一种简单的混合高斯分布概率模型来描述:最后根据形成的概率模型图进行人脸肤色的分割，得到人脸候选区域。实验结果表明，该分割算法能有效的分割复杂背景下的人脸区域。 .由于背景等诸多因素的影响，如果单靠肤色来进行人脸检测，这是一种不可靠的方法，将会导致人脸区域的误定位。提出一种利用PCA边缘方向信息确定眼睛方向和人脸几何特征信息的方法来进一步验证人脸候选区域是否为真正的人脸区域的算法。 (2)多元统计分析的人脸识别 人脸识别过程的核心是选择恰当的人脸表征方式与匹配策略，通常根据人脸图像的全局信息进行匹配，或者根据所提取的特征进行匹配，匹配的方法与人脸的表征方式密切相关。 由于代数特征矢量(即图像向空间的投影)具有一定的稳健性，识别系统对不同的倾斜角度，乃至不同的表情均有一定的鲁棒性，因此本文主要利用该类方法中的概率主成分分析和独立成分分析进行人脸识别。摘要 .目前的代数特征矢量方法中比较经典的方法是本征脸(Eigenface)方法，它是利用主成分分析PcA(PrinciPal comP0nents Analysis)原理得到一个人脸图像的优化坐标系统，但是该方法认为人脸本身是一种无噪声的信号，然而实际中却存在噪声。针对这种情况，提出以因子分析FA(FactorA刀alysis)模型为基础，建立的一种概率主成分分析PPcA(Probability PcA)算法来进行人脸识别。该算法通过对噪声协方差的不同假设，而使其与主成分分析方法的属性一致，即该方法结合因子分析模型考虑噪声的优点和主成分的旋转不变性特点。在求解该概率模型参数中，利用EM算法进行无监督、自组织的参数学习。通过几个不同的人脸库，针对该方法进行测试实验，其结果表明它能更好的识别人脸，识别率较PCA算法高。 .无论是PCA算法还是PPCA算法都是一种基于二阶统计方法，也就是说，仅仅使用了人脸数据中的协方差信息，同时在这些方法中常常假设变量具有高斯属性，但是在实际中存在许多非高斯属性的变量，而对于非高斯变量存在成分的统计独立与成分的统计不相关是不等价的