人脸识别是一种涉及到图像处理、模式识别、人工智能、信号处理等学科的技术,而且同人脑的认知科学也相关,是一个富有挑战性的研究课题。随着计算机技术的发展以及应用,人脸识别也在多领域中得到了应用。识别的一个重要步骤就是特征向量的提取,虽然现存多种特征提取的方法,但本文主要选取局部二进制模式(LBP)来进行特征提取。LBP能够描述一幅数字图像的纹理特征和形状,很合适作为人脸识别的的方法。为了更好的应用人脸不同部分对识别贡献率不同这一点,本文通过对LBP的深入研究提出了一种基于模糊规则的人脸识别算法。首先对整幅图像进行LBP编码,然后对编码后的图像进行划分,接着对各子块区域求均值像素方差和熵值,设计一个模糊控制器,将子区域求得的均值像素方差和熵值作为模糊控制器的输入,求得权值,最后将权值赋以给相应的子块区域并串接各子块区域向量得到特征向量。于人脸数据上的实验,显示了这种加权的算法能够更好的识别。本文还探讨了对识别算法的扩展,最后通过实验发现,对邻域的扩展并不能取得好的识别性能,它增加了特征向量的长度,使计算时间(识别速度)变长,而识别率却有所降低,因此,可以舍弃这个尝试。另一个扩展是LBP结合PCA, PCA在这里是用来降维的,通过对经LBP编码后的子区域进行降维,可以减少特征向量的维数但又不失绝大部分特征,这样可以加快识别速度,虽然对识别率有轻微的影响,但是对识别性能(包括识别速度和识别率)的提升确实显而易见的,因此,PCA降维是一个成功的扩展。