随着电子技术与生物信息技术的快速发展,基于生物特征的模式识别技术获得了广泛的关注和应用。人脸识别具有并发性、非接触性、非强制性、方便快捷等特点,被越来越广泛地运用于各个领域。人脸识别依然是当前的研究热点之一,人脸识别研究具有巨大的经济价值。首先,为了提高传统K近邻人脸识别准确率,本文利用证据理论的多源信息融合处理不确定、非精确性信息能力,将证据K近邻算法引入到人脸识别领域。该方法根据人脸库中人脸模板与待检测人脸距离大小,选取K近邻证据进行置信指派和融合,最后进行类别融合与决策确定待测样本所属类别。在开源人脸库上进行实验,实验结果表明,基于证据K近邻的人脸识别算法相比K近邻算法有效提升了人脸识别准确率。其次,本文设计并实现了一套基于证据K近邻的人脸识别系统,设计系统的服务器端和客户端,设计并使用Protocol Buffer封装信息流,使用MySQL存储人脸数据库。客户端从摄像头获取用户人脸图像,在服务器完成人脸比对。系统可分为管理员模式和普通用户模式。再次,利用主从Reactor和线程池的方式实现服务器高并发,为尽可能多的用户同时提供人脸识别。利用局部优先搜索加快人脸检测速度,提高人脸识别实时性。训练多个检测器获取信息判断是否有人脸存在,提高遮挡干扰下人脸检测成功率。最后,本文对系统的功能和性能进行了详细的测试,设计丰富的样例测试系统在不同姿势、遮挡、光照下的人脸检测性能。采用自动化测试了服务器高负荷下的并发性能、数据吞吐量以及服务器的稳定性,测试了系统的识别准确率和识别时间,符合需求分析的要求,具有一定的使用价值。