人脸识别技术已经成为一项越来越热门的身份鉴定和身份识别技术,它包括了计算机视觉,图像处理,模式识别,生物学技术等技术领域。与其他生物识别技术,例如瞳孔识别,指纹识别,声纹识别等相比,人脸识别的优势在于它的被动性,在日常场景中无需用户做出额外的动作即可完成识别。此外,人脸图像还可以反映性别、年龄、种族等重要信息,大大丰富了人脸识别的应用场景。因而,人脸识别已经成为最具潜力的生物特征识别技术之一,被广泛应用在安防,寻人,身份鉴定等领域。然而利用计算机的人脸识别技术仍然有着许多困难,有许多因素会影响人脸识别的准确率,比如人脸的表情变化,随年龄而发生的改变,眼镜、发型等造成的部分遮挡,以及光照视角造成的特征掩盖或变形等。这其中,针对不同角度下的人脸识别是自然场景中的一个重要需求。在对这一问题研究的突破性进展之前,高准确度的人脸识别被限定在正面人脸场景下,比如海关,门禁,数据库身份搜索等。而还有更多的自然场景,例如监控和安防中的目标识别与跟踪,影视资料和互联网多媒体信息中的目标搜索等,无法限制目标人脸为正面。此外,更多身份验证的场景也有着人脸角度鲁棒性的需求。此前的人脸识别技术,大多需要输入人脸的归一化和特征点对齐,才能有效进行目标的特征匹配,特征点偏差越大,算法性能受影响越严重,这正是多角度人脸识别所要解决的问题。本文针对当前的关于角度无关的人脸识别的方法中所存在的依赖角度估计精确度的弱点,提出了一种描述人脸特征随偏转角度变化的连续性模型用以处理多角度下的人脸识别问题,此外在模型推广至具有相似连续性的其它因素影响下的人脸识别问题中,发现了小样本数据集下人脸识别实验采用交叉验证可能引入的实验偏差现象,并对之进行了分析与讨论。本论文的创新之处和主要工作包括以下几点:(1)本文提出了一种描述人脸特征随特定因素连续变化的离散特征演化模型,并将其应用于角度无关的人脸识别,即将人脸角度作为影响特征连续变化的X因子。首先,根据数据库中人脸的角度标签将人脸数据分组,间隔角度相等。其次,考虑到多角度下的人脸特征点位置无法统一配准,采用多角度的主动外观模型将同一角度下的特征点进行配准。再次,考虑到多角度下人脸各区域光照影响的变化,采用去光照的技术获取归一化后的人脸。最后,将带有身份标签和角度标签的数据输入特征连续模型以训练模型参数,并利用上面的识别方法获取最优匹配。针对实际应用中可能出现的场景,我们比较了本方法与现有方法之间的优劣,证明本方法在人脸角度已知的情况下性能接近现有最好方法的性能,而在人脸角度未知的情况下优于现有方法。。(2)本文还试图将离散特征演化模型推广到年龄无关的人脸识别。与角度无关的人脸识别相似,将数据集中的人脸图片按年龄段分组,加上年龄标签。在检测出人脸区域后,按照人脸的关键特征点位置(双眼,鼻尖)对人脸进行裁剪和配准。随后同样采用光照归一化算法去除光照影响,利用局部特征描述子进行特征提取。在实验过程中,我们发现在小样本的数据集FG-NET上进行人脸识别实验时,采用留一交叉检验法以提升实验结果的精确度,却产生了极高的假性识别率。而在MORPH Album 2上的实验结果表明偏最小二乘分析(PLS)并不适用于跨年龄的离散特征演化模型的人脸特征子空间构建。(3)针对留一法交叉检验在人脸识别实验中的效果,我们进行了充分的对比实验,并进行了数学分析,结果证实在常规的人脸识别方案中,若引入了以主成分分析为基础的降维处理,留一法交叉检验和K值较大的K-fold交叉检验都可能带来较高的假性识别率。最后我们给出了尽量避免这一情况的可用策略。总而言之,本文针对角度无关的人脸识别问题,提出了一个可以在局部角度范围内最大化利用身份特征的特征连续模型,以及基于此模型的针对角度无关人脸识别方法,包括针对此场景下的人脸特征提取,归一化等优化,并用一系列对比实验证明了文中所提模型和方法的有效性和鲁棒性。此外,本文还试图将此模型应用到具有相似特性的跨年龄的人脸识别场景中,虽并未获得同样好的实验结果,却由此引出了留一法交叉检验在人脸识别中潜在的偏差问题,并对此问题做了详细分析,为避免此类问题提供了有价值的信息。