自动人脸识别技术是一个热门的研究课题。目前,在可控光照、用户配合的条件下,人脸识别技术已经相当成熟。但在非理想条件下(如光照可变、姿态可变、表情变化等)的人脸识别性能还尚待提高。相对于光照不变的情况,人脸识别系统在光照变化时的识别率会下降一个数量级,当同时考虑其它因素时,识别性能会更显著的降低。因此,目前自动人脸识别领域的关键问题主要有以下几点:(1)非理想条件下尤其是光照、姿态、表情可变(PIE problems)的人脸识别;(2)鲁棒的多视角人脸检测;(3)人脸图像特征提取及降维问题;(4)人脸图像的表情分析和建模;(5)建立实用鲁棒的自动人脸识别系统。论文主要围绕这些关键问题展开研究,力求提出对PIE问题具有一定鲁棒性的且能提高识别率的人脸识别核心算法。论文的主要研究工作如下:1.研究了基于Haar-like特征的Adaboost算法构造级联强分类器进行快速人脸检测,并针对Adaboost算法易将类似人脸灰度形状的非人脸分布区域误检测为人脸的问题,提出将YCbCr肤色模型检测法与Adaboost联合使用,即用肤色检测法对Adaboost算法的检测结果进行后期验证,对非人脸进行剔除,大量实验表明该方法能排除几乎全部的被误检测的非人脸区域,提高了检测率,为下一步的识别做好准备。2.为了提高光照变化条件下的人脸识别率,研究了基于Retinex理论框架下的光照处理方法。针对传统的Retinex算法在处理人脸侧光照图像时会误增强阴影的边缘,提出一种基于新的传导函数的自适应平滑Retinex算法。该传导函数用空间梯度和像素的局部不一致性两种方式共同测量灰度的剧烈变化程度,在平滑图像的同时没有边缘增强效应,且不会损失人脸特征边缘。在平滑估计的迭代过程中选取上一次与此次迭代结果中的较大值作为约束条件也保证了此方法估计出的亮度图像能满足Retinex理论的约束条件。实验结果表明,该算法能有效改善强侧光照时的阴影现象且没有损失人脸特征边缘,提高了识别率。并同样适用于无强侧光照情况,具有光照鲁棒性,可适用于任何光照条件下的人脸识别。3.研究了基于全局特征的人脸识别方法,主要进行了子空间特征提取方法与分类器的选择策略研究。结合理论研究与实验结果分析了PCA、LDA、ICA、FastICA四种子空间方法的利弊,并用三种距离分类器分别与以上四种方法组合实验,分析得出最佳的组合策略。证明了只有选取适合于子空间分析方法所得到的特征子空间的分类器才能取得较理想的识别效果。4.研究了基于局部特征的人脸识别方法,提出了一种GLBP-PCA的方法。首先对规范化的人脸图像进行5个尺度、8个方向的Gabor滤波,对得到的幅值图利用局部二值模式(LBP)算子提取局部邻域关系模式,用这些模式区域形成的直方图序列描述人脸。为解决维数过高问题,提出用PCA方法对表示成向量形式的直方图序列进行降维识别,而非直接匹配直方图序列进行识别。实验结果显示GLBP-PCA方法较只使用LBP算子时大大提高了识别率,且计算不复杂。5.提出利用SIFT算法进行光照、姿态、表情变化时的人脸识别研究。实验证明其可以克服不同人脸间的整体相似性,能够提取出人脸的局部细节信息。利用SIFT算法的优势在于:不用先对图像进行复杂的规范化处理,也不需要训练过程,计算和做实验都很简便。通过在三个存在复杂PIE问题的人脸库的实验结果表明,SIFT算法用于光照、姿态、表情变化情况的人脸识别具有很大的潜力。6.设计了的一个自动人脸识别系统,系统的功能是能实时鉴别视频中人脸的身份,可用于闭集人脸识别的多种场合。核心算法分别为Adaboost算法结合YCbCr肤色模型进行多人脸检测和SIFT人脸识别算法。用VC对系统进行了软件仿真,实现了AVI视频(包括光照变化的)的自动人脸识别(从检测到最后识别)。最后给出了基于DM6446的系统框架设计方案。