人脸检测与识别技术是近年来国内外学术研究及应用领域讨论的热点之一,它集计算机视觉、模式识别、图像处理、生理学以及心理学等诸多知识为一体,有广泛的应用前景.该文对静态图像中的人脸检测与识别问题进行了深入研究,论文的主要研究工作和成果包括以下几方面的内容:研究与该课题有关的背景、知识.在研究色彩空间和主要色彩模型的基础上,针对人脸肤色的共性和人脸局部特征共性,及它们与背景模式的差异性,该文提出了一种基于肤色模型和人脸先验知识的人脸检测与定位算法.该算法在利用肤色模型进行人脸候选区的初步选定后,再利用人脸的先验知识对人脸候选区进行多次验证.实验结果表明,该算法能有效地将静态图像中具有复杂背景的人脸检测与定位出来.并且该算法能弥补现有算法中人脸检测受下列因素影响的不足,如:人脸在图像中的位置、旋转角度和尺度的不固定性;人的发型、化妆、表情、姿态的随意性;图像中背景和噪声的干扰等.研究了小波函数的时频局部性能和多分辨率分析特性,并将它运用于图像的处理与识别.另外,利用神经网络的自学习性、自适应性、强鲁棒性和推广能力,该文提出了一个基于小波分析和神经网络的人脸识别算法.该算法首先对人脸图像进行预处理,消除光照强度差异的影响,再通过对人脸图像进行适当层次的小波分解,以达到对图像降维和得到人脸图像各子带图像的作用,最后通过二级级联的RBF神经网络,实现对人脸图像的身份、表情和姿势的识别.仿真结果表明,该系统对身份识别有较高的识别率,对于表情和姿态的识别,算法还有待进一步改善.