科技的日益发展,对计算机视觉以及人工视觉提出了新的需求,而人脸的自动识别技术作为近年来计算机视觉和模式识别中最为活跃的话题,被人们视为研究的一个热点。人脸的自动识别系统主要由人脸检测、特征点提取、人脸特征表征、人脸匹配识别四个部分组成,本论文主要针对特征点提取和人脸表征技术进行研究,目的是进一步提高人脸特征提取和识别算法的鲁棒性及有效性。论文首先基于Adboost算法提取出来的人脸图上,针对眼睛定位的传统模板匹配法进行改进,以三组实验证明改进后的模板匹配算法提高了眼睛定位的精确度和定位的速度,然后在特征点精确定位的基础上对人脸识别中的人脸弹性图束进行研究,进行自动人脸识别。本论文的主要创新性成果如下:⑴论文针对传统眼睛定位模板匹配算法精确度上的不足,在算法中对模板的定义进行了改进,将眼睛特征模板进行物理扩大,形成眼眉模板,避免眉毛与眼睛的高相似度所造成的特征点错误定位。⑵论文在提高定位精确度的工作量上,在传统的模板集选取上提出基于相关系数选取原则,对模板进行筛选录用形成一定相似度阈值下的模板集。在提出基于相关系数原则来形成模板集后,很大程度上去除了模板集中两两模板之间的冗余度和相似性,避免了人为因素在模板选取中造成的误差,且提高了特征点定位速度。⑶提出将人脸图束模板BFG作为训练集的训练集,同时也作为测试集的训练集,可将BFG保存在系统内存中,当新的人脸图像进入时,利用BFG提取训练集的人脸特征数据添加到原有的训练集人脸特征数据中,进行识别,而不用重新计算训练集的人脸特征数据。