人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,它在公共安全、信息安全、人机交互等领域中有着广泛的应用前景。一般来说,人脸识别系统包括人脸检测、特征点定位、图像预处理、人脸特征提取以及人脸识别。本文在前人的基础上,对相关问题进行了的研究,主要做了以下工作:(1)首先介绍了人脸识别研究的背景和意义,简述了人脸识别技术发展历程,以及在国内外的研究与发展的现状。然后从人脸识别系统构建入手,讨论了整个人脸识别过程中的各个主要步骤,对各环节所需的技术、算法作了介绍和研究。(2)在人脸特征提取阶段,针对二维Gabor小波变换后特征集合维数过高、识别时间无法满足实时性要求的问题,本文提出一种改进算法:首先利用分块采样与顺序浮动前进法对特征采样点进行筛选,然后对Gabor人脸表示的特征集合进行特征重组得到40个特征矩阵,并利用主成分分析(PCA)算法进行降维降噪处理,最后通过构造支持向量机(SVM)分类器来识别人脸。(3)通过在ORL和Yale人脸库上的实验证明,与传统基于二维Gabor小波的算法相比,识别速度得到大幅的提高,并能够有效解决人脸识别中“小样本”情况下识别率不高的问题。同时此算法对特征提取过程中使用的PCA和SVM算法的参数选择具有很好的系统鲁棒性,这一特点不仅在一定程度上解决了SVM核参数选择难的问题,还使本文算法的应用范围更加广阔。