自动人脸识别是利用计算机分析人脸图像,从而提取出有效的识别信息,用来辨认身份的一门技术。可以被应用到公安系统的罪犯身份识别、驾驶执照及护照、银行及海关的监控系统、自动门卫系统和家庭娱乐等方面。 本文主要研究了人脸识别的特征提取和分类器设计两个部分。 在特征提取方面,本文首先实现了三种典型的人脸特征提取方法:主成份分析方法、Fisher脸方法、核Fisher脸方法,分别对他们进行了分析和实验验证。然后主要探讨了利用Gabor小波变换进行特征提取的方法,其优点在于Gabor小波函数可以比较准确的描述人脑视觉皮层简单细胞的感受野,从而能有效的提取人脸特征。最后提出了一种基于Gabor小波变换特征提取的改进算法,即首先对人脸图像进行Gabor小波变换,得到Gabor小波变换特征,由于变换后的特征维数较高,所以要对变换特征进行降维,本文采用二次降维法,即首先对其进行空间采样,然后在进行第二次降维的过程中,不是使用传统的的Fisher脸方法进行降维,而是使用本文提出的一种改进的Fisher脸方法进行降维,得到变换特征基,人脸图像在其上面的投影作为分类器的输入。 在分类器方面,本文主要应用了一种具有纠错能力的二类支持向量机分类器构成的多类分类器。这种分类器由于利用了通信中信道差错控制编码技术而具有纠错能力,这样即使几个二类分类器产生了错误的输出结果,由于具有纠错机制,这些错误对最终的分类不产生影响,仍然可以得到正确的分类结果,因此这种分类器具有比传统的分类器更好的分类效果。利用Gabor小波变换和这种分类器在ORL标准人脸数据库上的仿真实验取得了97.8%的平均识别率。