随着微电子、计算机和网络技术的发展,传统的身份鉴别方法,如标识号码、磁卡、IC卡等,正面临着严峻的考验,迫切需要研究出新的个人身份鉴定方法。由于人体的很多特征具有单一性的特点,人们把目光转向了利用人体生物特征进行识别的技术,目前指纹、虹膜等识别技术也己经达到了很好的识别效果。与利用指纹、虹膜等其他人体生物特征进行个人身份鉴别的方法相比,人脸识别具有直接、友好、方便的特点,是进行身份确认的最自然直接的手段。正是因为如此,近年来在国际上有很多研究者对基于人脸特征的身份识别和验证进行了大量的研究。 用计算机进行人脸识别是当今的一个研究热点和难点,尤其在已知样本集中每个人只有少数甚至是一个样本的情况。论文综述了人脸识别系统的结构和技术组成以及研究现状,在此基础上,对人脸图像预处理、特征提取及识别算法进行了深入的研究,并以VC为平台,开发了人脸识别系统。 在预处理阶段,首先对图像进行了光照补偿和直方图均衡化处理,因为主分量分析(PCA)方法对光照很敏感。针对图像向量维数大,导致大大增加计算的复杂程度的特点,文中引入了小波变换,用小波变换的方法滤掉高频信息,采用低频子带来表达图像,变换后图像向量的维数大大降低。 对于人脸图像特征的提取,本文采用了PCA方法。文中用训练样本集的类间散布矩阵作为K-L变换的产生矩阵,与总体散布矩阵相比,正交基向量的个数大大降低,因而降低了计算量。 寻求适用、优秀的分类方法构造出性能优良的分类器,是提高模式识别的关键环节。本文研究了一个新的分类器:将传统方法中的最近邻分类法和BP神经网络方法结合起来,构造了一个组合分类器。 实验结果表明,论文所提出的识别方法对人脸的姿态和表情有一定的不敏感性,组合分类器的识别率比单一的分类器的识别率有所提高。 结合论文研究和写作中的体会,针对今后的研究工作,论文对以后进一步的深入研究做了一个简单的展望。