人脸识别作为基于脸部特征的身份识别技术,不仅具有特征稳定、不易被复制、安全性高等特点,同时其交互方式自然便捷,接受度强,具有重要的理论价值与应用前景。本文针对人脸识别的关键技术进行了深入研究,并将设计的人脸识别系统在服务机器人平台上完成集成实现。本文设计了人脸识别控制系统的总体方案,并针对人脸检测以及之后的图像预处理进行了研究。首先使用Adaboost算法对输入图像进行人脸检测,然后对检测出人脸图像进行灰度化、直方图均衡化以及尺度归一化处理,为之后的特征提取提供了更好的条件。在人脸特征提取研究中,LDP算法一般将图像平均划分为若干个子图像作为提取窗口,导致提取结果不能突出反映不同图像的特点,且运行速率较为缓慢。针对LDP算法存在的上述不足,本文提出了一种基于兴趣点定位的改进LDP人脸特征提取方法,首先对人脸图像进行兴趣点定位,以每个兴趣点为中心建立提取窗口,提取4方向的LDP纹理特征,最后将所有提取窗口获得特征信息组成人脸特征向量。实验结果表明,改进的LDP方法可以有效提高人脸识别的准确性与稳定性。在人脸分类识别研究中,针对采用一对一投票策略构造的SVM分类器,可能会出现多个最大投票数,导致样本不可分的情况,本文提出了改进的一对一投票SVM分类器,通过分别计算得到最大投票数的类别与测试样本之间的欧式距离,判定最终的分类结果。采用本文提出的改进的特征提取算法及改进的SVM算法构建人脸识别系统,并进行实验。实验表明,本人脸识别系统的识别率可达93.8%。最后,以本文提出改进的人脸识别方法为关键技术构建人脸识别控制系统,并完成其在服务机器人平台上的集成实现,将人脸识别结果转换为控制指令,完成对服务机器人的运动控制。为了验证本文构建的人脸识别控制系统的实际识别效果,分别设计了鲁棒性实验与应用性实验。实验结果表明,集成实现于服务机器人平台上的人脸识别系统,能够实时有效地完成人脸识别,并控制服务机器人的运动开关,同时具有良好的稳定性。