人脸识别技术是一项集模式识别、图像处理、机器视觉、人类心理学以及人工智能技术的交叉研究科目,经过研究者们不断地探索,目前已经取得了许多傲人的成果。该技术相对于其他生物特征辨识技术有着诸多优势,例如非接触式操作、设备成本低、可拓展性好等。一般的人脸识别系统可分为四个环节:图像预处理、人脸检测、特征提取和分类器设计。其中特征提取是人脸识别最关键的一步,它的好坏直接影响到人脸识别的识别率。本论文以特征提取算法为主要研究项,以人脸识别技术和图像匹配为背景,针对不同的情况与分类器提出了改进的特征提取算法,并验证了文中所提算法的可行性与高效性。本文主要研究内容如下:本文首先针对所采集照片中存在彩色信息混乱、边缘响应值较低等问题,采用对照片进行灰度处理和边缘检测工作。对部分存在噪点的图像选用高斯滤波作为平滑处理方式对照片进行预处理。针对目前人脸识别中主流特征提取方法SIFT算法和SURF算法,所存在的局限性,设计一种基于SURF算子与空间金字塔表达结合的特征提取方法,既保证了人脸局部特征的提取,又不失整体图像的全局性表征,从而做到了人脸识别的局部-整体的特征提取。并选用了SVM和Adaboost分类器对所提取的人脸特征进行分类,验证算法的性能优势。针对照片中可能存在的曝光程度过高、模糊、角度扭转、噪点问题设计了图像匹配实验,采用FLANN法作为匹配策略,对本文所提出的基于SURF算子与空间金字塔结合的特征提取方法,进行匹配性能验证。