随着互联网技术的快速发展,互联网应用的种类也日渐多样化。在生活中用户通常使用搜索引擎实现对名人、明星等特定人脸图像的获取。但传统的基于文本的图像检索具有检索方式单一和结果易被关键字欺骗的不足,而新兴的基于内容的图像检索则存在检索精度不足且过程易受无关图像干扰的缺点,这两种方法都无法满足用户对互联网中特定人脸图像的检索需求。基于人脸识别的互联网检索系统是一个综合利用了互联网技术,图像检索以及人脸识别领域相关知识的网络图像搜索引擎,可以实现人脸图像的互联网检索功能。论文完成的具体工作有:1.人脸检测环节通过AdaBoost人脸检测算法,在系统数据收集的前期快速过滤掉不包含人脸的互联网图像,提高人脸检索效率;同时对过滤后的图像,利用训练好AdaBoost人脸分类器精确提取出图像中的人脸部分,排除了图像背景区域的干扰。2.图像预处理环节针对于人脸出现的旋转变化和光照变化问题。对于人脸旋转,利用ASEF算法构建了一个对人眼位置有良好响应的精确滤波器,能实现对人眼的精确定位,再通过图像旋转得到姿态一致的人脸;对于光照不均匀问题,使用同态滤波对图像进行光照补偿,衰减图像中低频部分(光照变化),增强图像中的高频部分(人脸细节),减少了光照变化对后续环节的不良影响。3.特征提取与相似度匹配环节使用LBP算子对人脸图像进行特征提取,通过对LBP算子处理后图像中二进制模式数的直方图统计,可以得到一个精确描述人脸局域纹理分布的特征向量。再配合基于余弦距离的相似度匹配算法,快速、直观地判别两张人脸间的相似程度。4.整合以上三个环节并借助辅助工具网络爬虫,在Matlab仿真平台实现了基于人脸识别的互联网检索系统。在性能测试中,检索系统在样本质量较好与较差的两个数据集上分别取得90%和60%的平均识别率。