人脸识别技术是模式识别与计算机视觉领域的重要研究课题,也是最有潜力的身份验证手段,一个经济、准确的人脸识别系统能够获得广泛的应用。但是,现有的人脸识别技术还存在许多难点问题需要解决,例如光照变化、姿态变化等问题。光照问题是机器视觉中存在已久的问题,在人脸识别中的表现尤为明显。本文针对人脸识别中的光照问题,对复杂光照下的人脸识别理论和系统实现进行了深入地研究。本文根据人脸识别的一般过程逐步展开研究,主要研究了人脸图像的光照处理、人脸特征的提取以及分类器的设计,并结合人脸检测方法完成自动人脸识别系统的设计和开发。首先,在光照处理过程中,根据Retinex理论设计光照处理算法,提出了基于Gamma变换的Multi-Scale Retinex改进算法并用于去除或减小侧光、强弱光等复杂光照对图像的影响;在人脸检测中使用了被公认为人脸检测最有效的AdaBoost算法;在人脸特征提取中,为了使提取的特征具有一定的光照无关性,本文引入二维Gabor小波变换,并且为了减小分类识别时的计算量,取Gabor变换的模值作为特征值,将不同频率和角度对应的特征值的均值作为图像的总体特征,使用PCA+LDA算法降低特征的维数;在识别过程中根据支持向量机设计分类器,引入One-Class SVM以判断待识别人脸是否为已知人脸;最后编程实现了自动人脸识别系统。自动人脸识别系统以Qt Creator为开发环境,结合OpenCV视觉库,实现了参数训练,图像识别,视频采集与识别等功能。并且通过在FERET数据库的测试,系统的识别率达到94%,具备实时性和可靠性,能够满足复杂光照下的人脸识别任务。