人脸识别技术是一种重要的生物特征识别认证技术,它利用计算机分析人脸图像,从中提取有效的识别信息,并与人脸信息数据库中的已知人脸信息比较,达到识别辨认身份的一门技术。经过多年的发展,已经取得很多重要的研究成果,但是由于人脸图像对光照、表情、姿态和遮挡等引起的变化较为敏感,人脸图像完备特征的提取难度较大,人脸图像特征的有效分类有待提高等原因,导致人脸识别技术在具体应用中出现识别精度、识别速度和识别率不高的问题,仍然是人脸识别技术研究过程中迫切需要解决的关键难题之所在。因此,对人脸识别技术研究仍将还是一项具有挑战性的前沿课题,具有潜在的巨大应用价值。本文基于静态图像的人脸识别系统流程展开分析研究,分析人脸识别系统实现的关键步骤,重点探讨人脸图像预处理、人脸图像代数特征提取和基于支持向量机分类器的人脸特征分类等人脸识别流程中的关键问题。本文的主要工作和创新点包括:(1)详细分析人脸识别系统工作流程的关键步骤,包括人脸图像预处理、特征提取、分类器设计、人脸特征比较识别四个关键步骤,并根据此流程设计人脸识别原型系统的框架结构。(2)对人脸图像预处理步骤进行分析,选择中值滤波、直方图均衡化、灰度投影等作为提高人脸图像质量的方法,能够消除图像中的噪声、背景等对人脸主体部分的影响,这对人脸识别是有效果的。(3)提出采用SVD_Trim算法提取人脸图像奇异值新特征(SVD_Trim特征)的方法。该方法是在采用奇异值分解方法提取人脸图像代数特征的基础上提出的,通过为人脸图像奇异值特征中数值上相近的多个元素寻找数值上相近的代表元素,而舍去其余的特征值,得到奇异值新特征向量。奇异值新特征中不仅保留了原始奇异值特征中数值较大的部分奇异值,而且选择性地保留了原始奇异值特征中数值较小数据中具有代表性的元素,这两部分数据元素融合后共同作为识别特征向量,能够更加全面地表达描述人脸图像的特征。(4)提出采用最小二乘支持向量机对人脸图像的SVD_Trim特征分类,并基于LS-SVM Lab编程实现对SVD_Trim特征的分类。最小二乘支持向量机能够简化求解过程,提高训练求解速度,对人脸图像的SVD_Trim代数特征分类是可行的。(5)根据本文分析的人脸识别系统设计的关键步骤,设计与实现一个人脸识别原型系统。该人脸识别原型系统实现平台为VC++6.0和OpenCV机器视觉库,包括人脸图像预处理、奇异值新特征提取、人脸检测和静态图像人脸识别功能,通过实现人脸识别原型系统能够验证本文提出的方法的可行性和效果,并且这一过程对设计与实现人脸识别系统具有借鉴意义。