随着计算机科学的发展,人脸识别技术受到越来越多的重视。今年来,在本领域中出现了一些新的方法和工具,其中最具有实用价值的就是Intel提出的AdaBoost算法。本文对此算法进行了分析和研究,并进行了改进,使之与传统的模式识别技术相结合,将其应用在自然采集的图片中。在保持了原算法的实时性的同时,达到了较高的识别率。通过对本试验室成员进行的试验,验证了系统的有效性和正确性。本试验的研究内容主要包括以下几个方面。(1)对自然图片(Natural Picture)中人脸的提取。在传统的人脸识别的技术中,使用的图片集大部分是经过人工处理过的仅显示人脸的,仅在人脸识别中使用的专门图片。本系统中使用基于AdaBoost的人脸检测技术,从自然图片中有效的分离出了人脸。(2)对检测获得的人脸进行处理。经过检测获得的人脸可能包含有背景,这部分背景对后面的人脸识别的准确度影响较大,应当将其影响降到最低,本文中提出了一种基于内切圆的方法,试图消除这种影响,提高了算法的准确度。(3)使用基于奇异脸(Eigenface)的方法对检测出来的人脸进行分类。使用这种分类方法最大的难点在于确定特征向量的个数,本文对选取的特征值的个数进行了一系列的测试,最终选取了在保证系统实时性和准确度的情况下的一个折中。(4)将选择出来的人脸进行后处理(Post-Processing)。在使用模式识别技术的时候,得出的结果有时并不唯一,需要经过一些后续的步骤找到最能满足条件的一个值。本文中使用的KNN方法,对可能的人脸进行分类,选取了本算法认为最优的一个值作为本系统的输出。