近些年来,随着人们对信息安全问题的日益重视,生物识别技术由于其自身具有传统身份技术所不具备的优势,被大量地用于身份认证中。人脸作为一种重要的生物特征,具有唯一性、随身携带的优点,而且人脸图像的采集条件相对宽松,因此人脸识别技术被大量地用作门禁、安检等相关领域。本文对人脸识别系统进行了相关研究。在人脸检测阶段,对人脸检测的两种方法进行了研究。使用肤色检测的方法检测速度较快,但检测范围不准确并且往往容易将人体包含肤色的部位也误检为面部;而如果采用AdaBoost算法进行人脸检测检测范围准确但检测速度较慢,同时也容易将一些区域误检。针对这两种算法的缺点,本文结合肤色检测的方法与AdaBoost算法来从背景中获取人脸,选择在YCbCr空间下建立高斯模型得到人脸候选区域,并通过形态学手段得到较为完整的区域,在得到的候选区域上进一步采用AdaBoost算法对人脸进行检测从而实现较为精确的定位。实验表明采用这种检测方式可以减小两种方法单独使用的误检率。在人脸预处理方面,采用检测双眼位置的方法对人脸图像进行对齐,并对图像进行插值,归一化为相同的尺寸,使人脸更为规范;同时为了减小光照的影响,采用图像增强的方法对人脸图像进行处理。通过对人脸图像的预处理过程,以便为接下来的特征提取提供更加有效的输入。特征提取方面,选择了局部二进制模式的特征提取算法进行特征提取,通过将人脸图像进行分块,将各个分块的图像直方图相连作为最后的人脸图像特征以匹配识别。最后在Android平台上对人脸识别系统的各个模块分别进行了实现,该系统包括手机摄像头获取人脸图像,同时可以通过切换前后摄像头控制图像的输入。采用肤色结合AdaBoost算法进行人脸检测,然后对人脸进行几何归一化、光照预处理,将处理后的人脸进行存储,提取特征向量,然后通过计算采集的人脸与人脸库中存在的样本的相似度达到匹配识别的功能。最后通过对系统实现识别运行时间的计算以及实际的识别率测试,验证了系统基本能够满足实时性与准确性的要求。