人脸识别技术是通过计算机提取人脸的特征,并利用这些特征与预先录入的人脸库中的人脸进行比较,从而完成身份验证的一种技术。近年来,人脸识别技术已取得了很大进展,积累了丰富的经验,但目前已提出的人脸识别算法普遍存在适应性较差的问题,识别的效果很容易受面部表情、姿态、遮挡物及光照等环境变化因素的影响。所以,研究出一种速度快、准确率高的人脸识别方法具有重要意义。本文主要研究了基于特征脸的人脸识别算法和基于图像重建的眼镜摘除算法。首先,深入学习了传统特征脸算法的基本原理,并针对算法的不足,提出了相应的改进方案:在图像预处理阶段,采用一种图像规范化算法,即参数归一化,缩小集合中图像的灰度均值、方差等参数的分布范围,以减小光照变化的影响;为了减小表情变化的影响,引入了一种加权特征半脸算法,即将人脸图像按照尺寸平均分为上、下两部分,赋予不同的权值,分别应用特征脸算法。其次,为了降低人脸图像最常见的遮挡物——眼镜对识别准确性的影响,同时克服加权特征半脸算法过于依赖上半脸图像特征这一理论缺陷,采用了一种基于图像重建的眼镜摘除算法:首先对特征脸算法中得到的投影向量进行重建,得到重建人脸图像,然后用其对输入的配带眼镜的人脸图像进行误差补偿,从而得到一幅比较理想的无眼镜人脸图像,再以此作为新的输入人脸进行识别。最后,以Yale人脸数据库和一些用数码相机采集的人脸照片作为实验样本,对算法进行了验证。实验结果表明:在准确检测出人脸区域的前提下,本文提出的人脸识别算法具有较高的识别率。