本文以四旋翼无人机作为平台对地面人脸图像进行采集,然后进行人脸识别分类。为进行这一系统的研究,对四旋翼无人机飞行控制系统就行了设计,并提出了新的人脸识别方法。鉴于无人机平台获取的人脸图像识别研究存在许多需要解决的问题,如无人机的飞行稳定性问题、人脸图像的预处理问题、人脸的特征提取和识别率问题等,本文针对这些问题展开以下研究。首先,介绍了四旋翼无人机的结构和飞行原理,分析了几类主要的飞行姿态。并对无人机各运动参数的定义进行了详细的描述,通过旋转矩阵实现了无人机在机体坐标系和地理坐标系之间的转换关系,以牛顿-欧拉方程为基础,对四旋翼无人机的动力学和运动学方程进行了分析,并基于合理的假设条件建立了四旋翼无人机的动力学模型。以无人机数学模型为基础,分析控制变量,提出了基于PID控制和仿人智能控制的飞行姿态控制系统。详细描述了PID控制和仿人智能控制两种算法,并结合两种算法的优势提出新的控制方法,该方法弥补了PID控制参数定常和仿人智能控制单一比例的缺点,取得了很好的仿真效果、鲁棒性得到增强。通过介绍无人机平台的扰动性和环境的复杂性,对所获取人脸图像可能存在的失真问题进行了阐述,表明了图像预处理在人脸识别过程中的重要性。针对主要的光照、噪声等图像失真问题,提出了相应的图像预处理方法,并通过数据库中的人脸图像进行了实验验证。详细的分析了LBP和PCA两种人脸特征提取算法,并对LBP算法的几类重要模式进行了重点描述,包括等价模式、旋转不变模式以及分块处理等。提出了以LBP算法为基础并结合PCA降维处理的新的人脸特征提取方法,通过FERET人脸数据库对这一新的方法进行了实验验证,该人脸数据库具有代表无人机高角度获取人脸图像的特点。通过Z轴方向的传递函数对设计的无人机飞行控制系统进行仿真分析,结果显示仿人智能PID控制比传统PID控制达到稳态的时间缩短了0.5s,且超调量减小了3.7%。在对FERET人脸数据库进行人脸识别效果实验中,对LBP算法将行PCA降维处理的方法最终识别率在光照组和姿态组分别达到84%和96%,均高于单一的LBP识别。