人脸识别是当前计算机视觉、模式识别、计算机图形学等领域的研究热点,具有重要的理论研究意义和巨大的应用价值。经过几十年的发展,人脸识别研究取得很大成就,在条件可控或者理想情况下基本达到实用水平。但是目前的人脸识别技术水平在非理想情况下与实用要求有很大距离,仍有许多关键性难题需要解决,特别是光照问题、姿态问题、表情问题等。在实验室对人脸识别多年研究的基础上并结合作者在研究生阶段参与的科研课题,本文围绕着人脸识别中的光照问题以及其他问题做了以下几方面的研究工作:1.对人脸识别研究做了概述。一些国内外研究者对人脸识别做了很好的综述,但是作为当前的研究热点,新的方法和技术不断出现,每年都有大量关于人脸识别的研究成果。本文从发展历程、国内外研究现状、经典算法、性能评价和面临问题五个方面对人脸识别研究进行了系统全面地介绍。2.分析了三维形状和二维纹理对人脸识别的影响。在本实验室建立的大规模中国人的三维人脸库和基于重采样三维人脸对齐算法的基础上,本文设计合理的实验,采用平均三维人脸来改变原始三维人脸的形状和纹理信息,系统地分析了在这种变换模式下的人脸三维形状和二维纹理对人脸图像识别的影响,在Eigenface算法上的试验结果表明,形状和纹理信息对人脸识别都有很大影响,并且形状信息的影响远远大于纹理信息的影响。3.在深入分析光照问题的基础上,提出了一种基于人脸形状预测模型合成虚拟图像的人脸识别方法。本文选用支持向量回归来训练和学习人脸图像和人脸三维形状之间的内在关系,并把这种内在关系作为先验知识用于预测新输入人脸图像的形状信息,避免了非人脸的产生,并保证预测的准确性。利用预测得到的人脸三维形状和输入图像合成不同光照条件下的虚拟图像,从而通过丰富人脸样本来提高了人脸识别对光照的鲁棒性,在合成虚拟图像过程中结合光照比例图方法,增强了合成效果。实验结果表明通过该方法增加虚拟人脸可以显著改进多光照条件下的人脸识别性能。