外部特征提取及识别作为数字图像处理的关键技术之一,由于其广泛的应用,受到国内外学者越来越多的研究和关注。外部特征识别存在的主要问题和难点包括光线噪声等干扰处理、特征选取、识别准确性、识别要求条件、识别速度效率等。针对这些要求和难点,本文以人员外部特征的提取及识别作为研究案例,具体研究内容如下：针对目前人员图像的提取及预处理方法中存在的一些不足,本文提出了自适应背景更新速率算法解决了背景建模中前景提取稳定性和背景收敛速率矛盾的问题,小矩形去噪算法解决了形态学算法在去除前景噪声时易造成前景目标图像变形的问题,边缘最小矩形合并算法解决了由于动作幅度较大等原因造成的人员图像被分离的问题,保证人员图像的完整性。针对以人脸识别为代表的许多人员识别方法对识别条件要求苛刻、抗干扰能力弱、特征可描述性低等问题,本文提出了基于相似度评分模型的人员识别方法。该方法采用层次化的模糊比对策略,提取人员外部整体和细部特征并评价相似度,使用基于皮肤直方图算法的裸露四肢提取去除及相似度评价方法、基于颜色边界分割算法的人员图像分割方法、基于HSV低饱和度算法的颜色特征提取及相似度评价方法和基于纹理颜色特征融合算法的纹理特征提取及相似度评价方法,解决了以人脸识别为代表的许多人员识别方法存在的问题,扩大了人员识别的应用范围。