人脸识别技术作为模式识别、图像处理领域的典型研究课题,不仅在理论上具有重要价值,而且在安全、金融等领域具有广泛的应用前景。虽然人脸识别技术在商业上得到一定推广,但是如何克服光照变化以及人脸表情对识别结果的干扰得到较高的识别率一直是该领域的研究重点与难点。该文围绕着人脸识别技术的重点与难点问题,针对传统的人脸识别方法对人脸图像的曝光量、表情比较敏感,并且具有较大类内离散度的缺点进行研究。主要做了以下研究工作:首先,该文在总结传统人脸识别技术的基础上,对Gabor小波滤波算法以及基于主成分分析的人脸识别算法这两种特征提取方法进行了重点讨论,并详细阐述了这两种算法的主要思想,特点以及实现流程。然后,针对传统2DGabor与2DPCA结合的实现算法存在降维过程中信息丢失,且具有较大类内相关性的情况,该文创新性的提出了互协方差交叉运算(Cro2DPCA)的算法,并将该算法与2DGabor小波相结合进行人脸识别。该算法将经过预处理的特征图片分别以行、列作为随机向量,使用互协方差方法进行交叉运算,得出左、右映射矩阵进行加权的联合映射,随后采用最近邻分类器进行分类并得出识别结果。最后,基于该文提出的算法使用MATLAB搭建了一个人脸检测、识别系统,该系统可通过读取摄像头信息,检测人脸图像,将人脸图像进行预处理,特征提取,分类识别,最后输出测试图像信息。将该文提出的2DGabor与Cro2DPCA相结合的人脸识别算法在ORL数据库、AR数据库和FERET数据库上进行测试。实验表明,该文提出算法的降维和识别性能均优于传统人脸识别算法及其改进算法,无论在小训练样本还是大训练样本的情况下都能兼顾维度简约性和准确性,有效的提高了识别性能。