生物特征识别是一项利用人类特有的生理活性为特征来进行身份识别的技术,它提供了一种高可高性、高稳定性的身份鉴别途径。而人脸检测和识别是目前生物特征识别中最受人们关注的一个分支,是计算机视觉与模式识别领域非常活跃的一个研究方向。人脸识别技术可分为人脸特征提取和分类器设计两方面,两方面的技术相辅相成而又相互制约,我们最终的研究的目的是提取出最具代表性的人脸特征,并通过分类性能优良的分类器进行识别分类。人脸的检测与定位。人脸检测采用对人脸和非人脸样本提取haar特征然后用adaboost算法训练分类器实现对人脸的检测。对检测出的人脸进行大小、灰度归一化等预处理工作。提出将小波应用到图像处理中,提取人脸的低频图像用于识别,试验表明采用低频图像表示人脸不但降低了图像维数,而且有效地减少了光照、表情等的影响,取得更高的识别率。特征提取和融合。目前,人脸特征提取的算法很多,每种算法都有各自的优点和缺点;因此近些年来,许多学者倾向于将几种算法混合起来达到较好的识别效果。本文也是从这个角度出发,在对以有经典算法进行实现和筛选的基础上,又对特征融合方法做了大量实验和尝试。最终选定独立成分分析,线形判别,离散余弦变换三种特征融合的方法提取人脸特征。构造了基于静态图片的人脸识别系统和摄像采样人脸检测识别系统。前者主要实现对静态人脸库的人脸识别。后者包含图像录入,人脸检测,人脸图像预处理,特征提取,识别等功能模块,可以进行人脸的检测与识别。