随着社会的进步,信息技术的发展,以及人们意识形态的改变,人们对于安防系统的要求逐渐增高,智能门禁系统也受到越来越多的重视。采用人脸识别为验证方式的智能门禁系统具有非接触式采集、适用于隐蔽场合、成本较低及安全性较高等优势,而门禁系统的性能也直接受到识别技术优劣的影响。本文以小型办公室、家庭门禁人脸识别等小型识别场合为应用目标,重点对人脸识别系统中人脸检测部分及特征提取与识别部分的算法进行研究,在此理论基础上,完成人脸识别系统的构建,并对其进行测试与分析,为应用在嵌入式系统上打下基础。根据应用环境及应用平台,本次课题首先讨论门禁系统及人脸识别技术的国内外发展历程与研究现状,了解门禁系统的发展趋势,确定以人脸识别作为门禁系统的认证方式。其次,讨论人脸检测的各种算法,深入研究了肤色模型的人脸检测与AdaBoost算法的人脸检测的基本概念、算法原理等,提出一种以肤色模型的人脸检测为初检、AdaBoost算法的人脸检测为精确检测的人脸检测算法,结合二者的优点使人脸检测在保证检测速度的同时具有较强的鲁棒性、较低的误检率及漏检率等优势。再次,详细分析了图像预处理的方法,采用直方图均衡化、中值滤波等对成功检测出人脸的图像进行预处理,减小光照、噪声等由采集环境及采集设备造成的干扰,以提高后期人脸识别的正确率。然后,对人脸识别的相关概念及主要方法进行简述,并分析了各类人脸识别算法的优势与缺陷；选择针对小样本识别率较高、算法复杂度相对而言较为简单的PCA算法构造“特征脸”空间,重点研究了该算法在人脸识别中的应用,对特征向量的选取及距离分类器进行分析并将欧氏距离作为人脸识别的依据。最后,在确定每部分的算法并对算法进行可行性验证的基础上,辅助OpenCV开源视觉库对人脸识别系统进行开发,软件环境为Win7+VS2013+ OpenCV 2.4.10,并通过大量的实验,对人脸识别系统的性能进行测试,包括人脸检测模块及人脸识别模块。通过对大量的实验结果进行分析,最终得到人脸检测模块对静态图像的平均检测率为91.6%,平均误检率为9.2%,对于动态图像检测效果良好；人脸识别模块可达到91.7%的识别率,识别效果良好,整个人脸识别系统的性能良好。