随着信息技术的高速发展,个人身份识别、安检和智能人机交互系统等应用需求,人脸检测与识别具有越来越广泛的实用价值和研究意义,成为了模式识别领域研究的热点。本文在研究国内外相关研究成果和最新研究进展的基础上,对应用上需要解决的人脸检测和人脸识别方法进行了研究。本文的主要研究内容为两方面:基于肤色的彩色图像人脸检测方法和利用线性子空间分析的人脸识别方法。所做的主要工作概括为:(一)基于肤色的彩色图像中人脸检测1.对于彩色图像预处理提出了一种基于“参考白”非线性变换光照补偿的改进方法,该方法对色彩偏移具有很好的补偿效果,更有利于肤色区域分割;2.在肤色区域分割处理中提出了一种自适应阈值改进算法,相对于固定阈值,皮肤似然图像通过自适应阈值可更加有效的分割出彩色图像人的肤色区域;3.完成了彩色图像人脸检测所涉及的色彩空间转换、肤色模型的建立、图像预处理、肤色区域自适应分割、人脸判别标准和人脸模板匹配等过程,最终检测出彩色图像人脸区域。实验验证本文方法对不同人脸尺寸及表情姿态,存在遮挡,多人及复杂背景等情况都有较好的检测效果。(二)基于线性子空间分析的人脸识别1.提出了一种基于加权平均脸和二维主成分分析(PCA)特征子空间相结合的人脸识别改进算法。通过引入样本类间和类内加权平均脸,二维主成分分析既使得类间散布特征矩阵最大化又减小了类内样本的差异,该方法较传统主成分分析和二维主成分分析方法具有更好的识别效果;2.提出一种融合加权对称脸的二维线性判别(LDA)人脸识别改进算法。该方法将人脸图像分解为奇偶对称脸,并利用加权因子将奇偶对称脸重构新的人脸样本,再通过二维线性判别算法求解最优特征子空间进行人脸分类。该算法既有效融合二维线性判别算法的优点又利用了人脸对称性特征,获得较高的识别率。