单样本人脸识别技术在人们的生活中有着广阔的应用前景,比如法律实施、动态监控、身份验证等。所谓单样本人脸识别,是指根据已有的人脸图像样本库(每个人在该人脸图像样本库中只有一张图像),匹配当前待识别目标人脸图像的过程。在传统的人脸识别算法中,识别精度的提升主要依赖于扩充人脸图像样本库的样本容量,而在现实的应用场景中,很难收集到高质量的具有代表性的多张人脸样本图像以提升人脸识别的准确度。并且,随着人脸图像样本库样本容量的线性扩充,往往会导致人脸识别算法的时间开销呈现非线性的增加,大大限制了算法的应用场景。因此在单样本条件下,进行人脸识别算法的研究有着重要的意义。本文设计并实现了一个人脸识别考勤管理系统。在一个完整的人脸识别应用系统中,人脸识别模块是最为核心的模块。但是,除了人脸识别模块外,系统中还需要一个辅助的运动目标检测模块,来检测待识别的运动目标,并裁剪出运动目标中的人脸图像,用于人脸识别。本文对人脸识别模块和运动目标检测模块进行了深入研究并提出了新的解决方案。本文主要工作包括以下内容:提出了基于多层投票的单样本人脸识别算法(MLV)。大多数单样本人脸识别问题都可以归结于机器学习中的分类问题,根据已有的训练样本,来预测目标样本的类别。本文所提出的基于多层投票的单样本人脸识别算法符合人类的认知规律,避免了传统单样本人脸识别算法在训练过程中需要过多时间消耗的问题,并且能够解决增量学习问题,即若加入新类别样本图像,所提出算法也能轻易解决。本方法可以被看成是一种非参数学习方法,仅在分类阶段使用多层投票的分类策略进行目标样本识别。实验证明,该方法具有人脸识别率高、模型训练快及扩展代价低的优点。提出了基于块背景建模和更新的运动目标检测算法。本文采用基于块背景建模和更新的运动目标检测算法来识别运动目标,首先将视频中的每帧图像分割为多个小图像块,然后采用帧间差算法在不同时间点根据视频帧图像对应位置的小图像块的改变量来进行背景建模和更新,最后采用背景差法检测出当前视频帧图像中的运动目标。与传统的运动目标检测算法相比,基于块背景建模和更新的运动目标检测算法具有稳定、快速、准确性高的特点。设计并实现了人脸识别考勤管理系统。本系统是基于多层投票的单样本人脸识别算法与基于块背景建模和更新的运动目标检测算法在软件系统中的具体应用。本系统除了实现了人脸考勤功能之外,还创造性地提出了一套基于运动目标检测技术的人机交互系统,以方便用户进行考勤并降低本人脸识别考勤管理系统对于硬件的依赖。通过该系统,用户可以更加方便地完成考勤操作,管理员也可以更容易地完成考勤管理工作。