人脸识别作为生物特征识别的一个分支,是国际上一个非常活跃的研究领域。人脸识别面临着许多的问题,比如在人脸图像的定位、人脸图像的归一化、人脸图像的特征提取、人脸图像的识别等。更有一些难点问题,如复杂光照及姿态下的人脸识别问题。而进行这些研究都要基于合适的特征才能进行,因此,本文致力于寻找已有特征如何在人脸识别中获得更好应用的途径以及发现新的可用于人脸识别的特征。主要贡献如下：1.可变光照下的人脸识别是一个难点问题,要在可变光照下进行有效的识别,归一化图像是十分必要的,而这其中眼睛定位是核心问题。本文提出了一种利用EigenFeature和Gabor特征模板组来进行人眼定位的方法。采用了分步定位的思想,先定位一些候选的双眼位置,然后对候选位置进行筛选匹配,最终定位瞳孔的位置。在不同定位阶段我们使用了不同的特征以发挥特征自身的优势来协同完成复杂光照下的人眼定位这一问题。2.Gabor特征是在人脸识别中十分有效的识别特征,其多分辨率的特性使得对图像特征的表达能力很强,然而由于过高的特征维数,使得这一优秀的特征在应用中受到了一定的限制。本文提出了一种Gabor幅值点特征选择的方法,在Gabor特征提取的时候就对其进行筛选,从而大大降低了特征的维数,使得Gabor特征的运算和应用更加方便,并且这一选择算法很好的保持了Gabor特征的分类性能。实验显示了它优于同类算法的性能。3.本文将SURF(Speed-Up Robust Features)特征引入到人脸识别当中,SURF特征是由Herbert Bay提出的一种尺度旋转不变特征。同经典的SIFT特征相比,SURF的运算速度明显快于SIFT,而其性能也同SIFT相当。由于SURF特征是由点的局部特征构成,那么如何利用这些点的特征来进行人脸图像的识别是本文所研究的问题。我们提出了利用点匹配结果以及与结果相关的辅助信息设计相似度评价函数来进行人脸识别的方法,成功将这一特征引入到人脸识别问题应用中,获得了与SIFT特征基本相同的识别率和明显更快的特征提取和匹配速度。4.论文对于人脸识别中的一大难点,即多姿态条件下的人脸识别问题进行了研究。提出了一种基于两个姿态样本建立的模型来实现多姿态下人脸识别的方法。该方法将SIFT这一在深度旋转上有一定不变性的特征,通过特征池的概念转化成为相关特征向量来进行人脸的分类识别,从而避免了多姿态人脸识别中常要面对的姿态估计问题；同时为了解决少量样本建模产生的问题,利用人脸在旋转时特征变化的共性规律,提出了个体分类器和整体分类器相互补充的分类方法。实验表明,使用同一数据源(采集条件相同)图像进行训练和测试时,对于多姿态人脸的识别,算法取得了相当不错的表现；当使用不同数据源(采集条件相差较大)图像进行训练和测试时,性能有所下降,但仍显示了一定的潜力。