人脸识别是模式识别和机器视觉中的一个研究热点和难点,在很多领域有着非常广阔的应用前景。基于特征对人脸图像进行有效分类即是其中的一种应用。本文考虑基本正面的人脸,针对墨镜和口罩两个属性将人脸图像分成四类:没有佩戴任何饰物的人脸、只带有墨镜的人脸、同时带有墨镜和口罩的人脸、只带有口罩的人脸。一般的人脸分类系统可以大致分为以下几个步骤:人脸检测,特征提取,分类。本文的研究重点是特征提取及分类算法,其中包括主分量分析(PCA)、线性判别分析(LDA)、相关系数(Correlation)、支持向量机(SVM)、AdaBoost算法。在研究前人工作的基础上,对一些现有的分类算法做了理论和方法上的探讨,通过实验系统地分析了五种解决方案,包括PCA+LDA+Correlation方法,SVM方法,PCA+LDA+SVM方法,SVM+AdaBoost方法,以及PCA+LDA+SVM+AdaBoost方法,并比较了这些方法的性能,分析了它们的不足。实验结果表明,采用PCA+LDA方法降低特征向量维数可以大大减少分类时间的开销,同时不会明显降低分类器的性能。另外,本文提出了一种SVM和AdaBoost相结合的方法,主要体现在后面两种方案中,针对每种属性,选择和训练最优的人脸特征,取得了较为理想的结果。