人脸识别技术是一种基于人脸面部特征进行身份识别的生物识别技术,通过摄像头等设备采集人脸图像,利用人脸识别的相关算法提取人脸特征并进行分类,得到识别结果,在金融服务、公共安全等领域有广泛的应用前景。经过多年的研究和发展,人脸识别技术取得了很大进步,但是还有许多问题需要解决,其中复杂的光照环境对人脸识别准确性的影响尤为关键。本文针对人脸识别中的光照问题展开研究,主要研究内容包括:(1)图像预处理和人脸检测算法的研究。对基于空域和频域的图像预处理算法进行研究,具体包括直方图均衡化、伽马变换和同态滤波算法,分别用三种算法对人脸库和实际采集的图像进行仿真比较。人脸检测方面,通过提取人脸的Haar-like特征,采用Adaboost算法训练弱分类器,再将弱分类器级联形成强分类器就可以对图像进行有效的人脸检测。(2)人脸光照不变特征提取。首先建立光照模型,然后分别研究了基于Retinex理论和基于自商图像算法的光照不变特征提取算法,针对MSR算法存在的侧光照射阴影问题,提出了选择螺旋形路径作为入射图像的估计,并引入局部标准差变换进一步降低光照影响;针对SQI算法中因为高斯滤波引起的边缘细节丢失问题,采用自适应双边滤波器代替高斯滤波器。在Yale B、Extended Yale B和CMU PIE人脸库上的实验结果表明改进后的算法能有效提取人脸的光照不变特征,提高人脸识别率。(3)分类器设计和系统搭建。根据支持向量机理论设计分类器,选用LibSVM库来实现人脸特征的训练和分类。以Microsoft Visual Studio 2013为开发工具,在MFC项目中配置Opencv2.4.9,整合图像预处理、人脸检测、光照不变特征提取、分类识别等不同环节的相应算法并在MFC上进行界面开发,最后验证了本文所搭建的人脸识别系统对光照影响具有很好的鲁棒性。