随着智能化信息技术的发展,远程教育、视频监控、人机交互技术以及安全等各领域都迫切希望能够进行高效、准确的身份验证。人脸识别是一种根据人的眼睛、嘴巴等面部特征来自动进行身份识别的生物特征鉴别技术。人脸识别与其它生物特征识别技术相比较有其独特的优点,尤其是直观、非侵扰、防欺诈、良好的可扩展性等特点,决定了其具有广泛的应用领域,在国际学术界和工业界受到高度的关注,吸引了越来越多的研究者的兴趣,并在一些领域得到成功的应用,取得了一批有意义的研究成果。由于人脸区域颜色信息丰富,而且易受光线等外界的干扰,所以人脸特征在不同姿态、不同光照或其他成像条件下,会出现多种不同的情况,增加了人脸检测难度。所以人脸识别一般存在计算复杂、速度慢、鲁棒性不佳等特点。本文综述了近年来国内外大量的关于人脸识别的文献和研究报告,在此基础上提出了基于数学形态学的人脸识别与特征检测方法。首先,对人脸检测问题分类以及发展现状做了介绍,并通过对各种常见颜色空间进行一一的分析和比较,论述了YCbCr空间作为肤色建模的优越性,传统方式中忽略了肤色在YCbCr空间中Y分量的特性,仅考虑色度分量Cb和Cr。这种肤色模型存在的缺陷是:在图像的高亮度区和低亮度区之间,肤色色度才是基本不受亮度影响,所以要得到更准确的检测效果,必须考虑Y值不同而造成的影响。本文在统计了大量亮度不同人脸图像在YCbCr空间中三个分量的值,对肤色进行分段阈值判断,细化了肤色在不同亮度条件下的Cb,Cr所取的阈值范围,优化并改进了肤色模型。其次,人脸区域确定后,为了确定人眼和嘴巴特征位置,我们从数学形态学方法入手,先是利用数学形态学方法具有滤波的功能,设计了数学形态学滤波器,得到完整的人脸区域,再利用人眼和嘴巴在二值化图像中的形状,根据人眼和嘴巴特征结构在二值图像中的面积大小,设计了自适应可改变大小分区域的数学形态学模板检测算法,精确定位了人眼和嘴巴的位置。最后据此设计并实现了一个彩色图像人脸识别系统。实验结果表明,本文的方法,能够对人脸上的眼睛和嘴巴特征点进行快速和准确的定位,并且程序运行时间较短,具有一定的实时性,具有一定的理论意义和应用价值。