人脸的检测与识别在诸如视频监控和人脸图像数据库管理等应用中发挥着关键作用。本文研究了人脸识别和检测技术,并为之开发了相应的算法。在人脸识别中,所使用的算法是主成分分析(PCA)与多线性主成分分析(MPCA)以及线性判别分析(LDA),本文通过将未知的测试图像与存储在数据库中的已知训练图像进行比较以识别未知图像,并提供测试图像的信息。实验表明,本文提出的方法在复杂背景及不同脸部位置等干扰下运行良好,并在实验的各项条件下给出了不同的准确率。本文着重介绍了人脸识别与人脸图像预处理的问题,并研究了利用核主成分分析与核Fisher线性判别法对人脸识别进行降维表示的方法。本文的创新之处在于,核方法首先通过非线性核映射将原始样本投影到称为特征空间的隐式空间中,然后利用再生核理论在特征空间中建立两个基于广义Fisher判别的等价模型,并利用正交补空间求出最优判别向量。本文在介绍人脸识别技术的发展与主要方法的基础上,深入研究预处理,特征提取与分类等关键问题。数字图像处理作为一种基于计算机的技术,可以对接收到的视觉信息进行自动处理和编译,它在日常生活的各个方面及科学技术领域中都有广泛的应用,如在电视、摄影、机器人、遥感、医疗诊断和工业检测等方面发挥着日益重要的作用。本文重点介绍了人脸识别技术的发展和主要方法,并深入研究预处理,特征提取与分类等关键问题。其中,预处理的目的是将图像采集设备采集到的人脸图像转换为归一化的图像,它主要包括两个步骤:几何归一化和灰度归一化。本文利用非线性核映射将输入数据投影到一个隐式的特征空间,然后进行人脸特征提取和分类,并对此进行了系统的理论和实验研究。如何有效的从基于PCA、MPCA以及LDA的人脸图像线性投影的特征提取方法与非线性核方法中提取使之区别于其他样本的特征,是人脸识别的一个关键问题。本文将已知的测试图像与存储在数据库中的训练图像进行比较并识别,同时提供测试图像的信息。实验结果表明,本文提出的方法在复杂背景及不同脸部位置等干扰下运行良好,并在实验的各项条件下给出了不同的准确率。