生物特征识别技术是模式识别和计算机视觉交叉领域研究的热门课题,在21世纪信息化时代给人们提供了一种高稳定和高可靠的身份鉴别方式。人脸因为容易获取且不易被复制,同时在识别时不易被人们察觉等优势成为研究者的焦点。随着人工智能技术的兴起,针对人脸的识别技术的研究具有了一定的实用价值和广泛的应用前景,比如智能门禁以及网络考试中的智能监考等。当前,人脸识别普遍应用于网络考试系统当中还面临着一个问题:由于网络考试中用于监控的摄像头所捕捉的考生图像是随机的,因而所获得的不仅仅有考生的正脸图像,也包含各种角度的侧脸图像,存在着颜色和形状的失真。本文主要针对侧脸识别问题,结合图论和信息论的相关知识,提出了一种基于最小生成树的侧脸识别方法,能够克服颜色和形状失真,识别考生的身份。主要工作如下:首先通过摄像头来获取侧脸图像(考虑到在线考试系统中考生的侧脸角度不宜过大否则会视为作弊,因而所获取的实验图像均为偏转角度较小的侧脸图像),对所得到的图像进行预处理操作,以期提高图像的质量,从而提高后续识别的效果。然后利用事先训练好的肤色模型,从复杂背景中将肤色区域分割出来,再利用基于最小外接矩阵筛选法来精确定位出侧脸区域。为了更好地描述侧脸的结构不变性,对处理过的侧脸先定位五官然后进行区域分块,利用sift(scale invariant feature transform)算法找出各区域图像中的极值点并筛选出具有识别价值的极值点作为侧脸的特征点。然后融合这些特征点的位置等信息去构建最小生成树。最后利用之前构建的最小生成树来估计Renyi熵,通过熵的值来衡量两张人脸之间的差异程度,进而实现侧脸的识别。文章最后实现了人脸识别的sift算法,和本文的算法进行了比较分析,验证了本文所使用的算法的具有一定的精确性,同时也说明了本算法具有良好的应用前景。