本文针对人脸识别研究课题中的自动人脸识别的一些问题和难点展开研究,包括对现有的人脸检测和人脸识别的方法进行分析,研究和对比,在此基础上对人脸特征提取及识别技术进行了改进和研究,提出了基于ICA和小波神经网络的人脸识别方法。主要内容如下: 在人脸特征提取部分,研究了基于PCA和ICA的人脸特征提取,并对基于这两种方法所提取出来的人脸特征进行比较,分析这两种人脸基的优劣。在提取ICA人脸基时,采用FastICA算法,加快了ICA基的提取速度,并提出用多种方法对训练出来的ICA基进行优选,尽可能利用最优、最少的ICA基来描述人脸特征,使得人脸特征空间得到有效的压缩。在人脸识别时,利用这些优选的基来提取人脸特征,并将这些人脸特征用于训练小波神经网络分类器,测试时用优选的ICA基得到测试集人脸特征,送入训练好的小波神经网络分类进行分类。用ICA法进行人脸特征的提取,比主元分析(PCA)方法更加有效的利用了人脸的高阶统计信息,而小波神经网络和以往的前馈神经网络相比具有更大的优势,可以避免网络设计上的盲目性。另外,在小波神经网络训练过程中改进了以前的学习率调整算法,提出了较为合理的学习率调整方法,并在小波神经网络的参数初始化上,提出了一种较好的初始化参数方法,避免随机选择初始化参数对小波神经网络的收敛速度的影响。由于对小波神经网络的改进使得收敛速度加快,从而提高了人脸识别的精度和灵敏度。 采用ORL人脸数据库对本文的算法进行验证,实验结果表明在人脸识别时取得了较好的效果。