面部检测与识别是计算机视觉领域中的重要研究问题,也是实现视频面部识别系统的核心部分,在视频监控、智能安防、智能养殖等领域有着广泛地应用。由于人脸常受光照、遮挡等因素影响;牲畜面部常受光照、面部污垢等因素影响,检测效果与识别结果无法满足日益增长的需求。因此本文对面部检测与识别算法进行深入研究与分析,针对其存在的问题,提出基于Adaboost和稀疏表示分类(Sparse Representation-based Classification,SRC)算法的改进,同时设计和实现了面向光照变化和遮挡的视频多面部检测与识别系统。主要工作如下:1、提出了一种基于LIS(Luminance、Information、Saturation)颜色空间和改进Adaboost的面部检测算法,以提升复杂背景下的面部检测效果。该方法首先将RGB(Red、Green、Blue)图像转换到LIS颜色空间中,提取出肤色信息;然后基于I分量直方图去除图像中的“伪肤色”并应用掩膜处理修复肤色区域;最后,动态平衡Adaboost分类器中正负样本的权重,进而提高分类器的性能完成面部检测。实验结果表明本算法能够有效提高面部检测精度。2、提出了一种基于判别性低秩分解与加权稀疏表示的面部识别算法,以使算法能够有效应对因光照变化、遮挡、面部污垢等因素造成的面部识别不准确的问题。首先,应用判别性低秩分解重构训练字典,去除受光照、遮挡等干扰影响的非低秩组件,有效地提取出与面部信息相关的低秩组件;其次,由于受光照、遮挡等干扰的样本通常有着更大的误差,通过重构残差函数进一步减小误差对识别结果产生的影响;最后基于稀疏低秩组件编码完成分类。在公共数据集上做光照、遮挡等对比实验,实验结果表明本文提出的算法有效地提高了面部识别的精度,能够有效地应对复杂场景下的面部识别任务。3、设计并开发了面向光照变化和遮挡的视频多面部检测与识别系统。本系统包括用户管理模块、视频输入模块以及数据存储模块,形成了一套适用于现实环境中的面部识别系统。实验表明,本文设计并实现的面向光照变化和遮挡的视频多面部检测与识别系统具有较高的应用价值和前景。