近年来,随着计算机技术、数码成像技术、大容量存储技术和多媒体技术的快速发展和普及,数码照片业已成为一种用以记录真实世界景象与生活的重要形式。当今,全世界的各类数码照片的数量正以惊人的速度增长,越来越多的数码照片使得人工对图像中感兴趣目标进行检索和查找变得繁琐和困难。尤其在公安领域,个人身份确认是社会较为普遍的基本需求。相比指纹、虹膜等生物特征的身份鉴别技术,人脸图像信息的获取可以在非合作条件下完成,因此该技术在安防业务中是确认人身份的重要依据,且应用需要巨大。在人脸检索和验证领域,人类更倾向于通过描述对象特征的“语义”或“概念”来对人脸进行相似性判别,而传统的图像检索已无法满足这一需求。因此,对人脸图像语义检索方法的研究至关重要。本文基于公理模糊集和粒计算提出了人脸语义提取及检索方法,具体工作如下:（1）基于人脸关键点检测的面部特征的定义。利用人脸特征点检测器AR模型来自动提取人脸主要区域的边界信息,在前期研究的基础上,将眼睛、鼻子、眼眉、嘴和脸等面部关键区域在整张脸的比例纳入到这些区域大小信息的提取中,最终给出了人脸主要区域形状、大小、几何等特征的定义,为人脸语义特征提取和检索提供技术储备。（2）人脸语义提取方法。首先,对人脸图像进行校正并检测人脸关键点,进而基于关键点提取人脸特征;然后,对人脸面部特征样本进行聚类,构建类中心,在AFS框架下求取每类的信息粒,并通过得到的信息粒对人脸图像再次进行分类,从而得到最终的聚类结果和具有可解释性的面部语义描述。（3）人脸检索方法。针对素描图像到彩色图像的语义检索问题,本文提出了一种基于公理模糊集的人脸语义检索方法。根据提取的人脸特征建立了AFS模糊推理系统,然后,利用具有相应语义描述的分层分类器对人脸图像进行分类。并通过提出的决策指派模型来检索素描人脸图像。最终将本文提出的人脸语义提取和人脸检索算法在Multi-PIE、AR、FEI、CUHK数据库上进行验证。实验结果表明:与FCM、CAN、FCMGD、AFSGD、KMT算法相比,本文提出的方法可以获得与人类感知更为接近的、带有可解释性的语义描述。同时,提出的人脸检索方法可以获得较高的检索准确率。