人脸识别作为一种重要的生物特征识别技术,涉及到模式识别、计算机视觉、图像处理以及认知科学等多个前沿学科知识,在公共安全以及信息安全领域有广泛的应用。当前主流的人脸识别方法分为两大类:基于统计特征的算法和基于几何特征的算法。前者将人脸区域作为整体输入到识别系统中,以寻求最佳匹配。基于子空间的识别方法是这类算法的代表,该算法的思想是将人脸图像进行降维处理,投射到低维空间进行识别。而基于几何特征的算法则是提取人脸特征点信息,通过匹配特征信息来进行识别,代表方法有弹性图匹配法(EBGM),该算法利用人脸的基准特征点构造拓扑图,使其能够符合人脸的几何特征,进而获取人脸关键点的特征值进行匹配。本文主要对弹性图匹配法(EBGM)进行了深入研究,针对该算法中的不足之处,提出自己的方法,纵观全文,主要有以下内容:1、综述人脸识别技术的历史和现状,详细总结了当前主流的人脸识别算法,并逐个分析了这些算法的优缺点。2、详细地描述了EBGM算法思想,介绍了Gabor滤波器的特性及其在EBGM算法中的应用;阐述了特征点的概念、特征点的定位方法、人脸束图的提取方法以及如何提取以及比较人脸图。3、通过分析EBGM算法中的特征点定位方法,针对精确估算特征点位置时所采用方法的不足,提出了平均定位法:当选取最佳匹配点时,不是采用模板图中最优的估算结果,而是选取所有模板图估算结果的平均值。4、EBGM算法在计算人脸特征点的相似度时,认为每个Gabor小波系数对结果的影响是相同的,从而给予所有系数同等权重,但实验测试表明情况并非如此。本文充分挖掘人脸频率分布的统计特性,通过对不同特征点在频域分布特征的提取,提出一种对Gabor小波系数进行分类并赋予其不同权重的优化方法。实验测试证明,该算法能有效的提高识别率。