人脸识别是图像处理、模式识别和人工智能等学科范围的一个研究热点和重点,广泛应用于医疗研究、身份验证、公安鉴别、人机交互、视频会议、辅助教学等领域。人脸识别技术涉及计算机图形学、计算机视觉、机器学习、感知科学和计算智能等,在近年来取得大量的研究成果,并且逐渐实现商业化。与指纹、视网膜、虹膜、基因等其他生物特征识别相比,人脸识别具有直接、友好、方便的特点,易于为使用者接受。本文对人脸识别技术进行了研究和实现,设计出一套具有人脸自动检测和识别功能的无线门禁控制系统,主要包含人脸自动检测、人脸特征值提取、分类器设计与训练、误匹配处理和门禁系统设计等。在人脸特征提取和人脸识别算法方面做出改进,提高识别率,降低误匹配率。首先在人脸检测方面,构建Adaboost级联分类器,利用训练好的分类器在视频窗口中搜索人脸区域。为了搜索不同大小的人脸图像,搜索窗口的尺度在前后两次相继的扫描中,依次扩大10%,每个人脸区域检测时间约为30～60ms,满足人脸检测实时性要求。其次本文设计一种DCT与Gabor分块的人脸特征提取算法,在保证特征信息有效性的前提下,使单幅图像特征提取时间缩短至1.156s。利用DCT算法对人脸图像压缩降维,设计20组不同尺度和角度的Gabor小波对DCT系数进行滤波,滤波后的结果采用选择性分块统计方法排除掉干扰信息,计算出人脸图像的特征值。然后设计了改进型感知器算法,改变权值修正过程,加快判别函数收敛。对提取到的人脸图像特征向量进行训练,得到感知器最优权值。计算权矢量和判别函数并对样本进行分类。为了解决分类器误匹配现象,设计了预识别算法,纠正和排除误匹配灾难。最后基于人脸检测和识别设计了无线门禁控制系统,系统采用STC89C52单片机作为主控芯片,利用nRF24L01无线射频芯片进行数据传输,涉及内容包括协议解析、数据安全以及模块控制等方面。实验证明,本文人脸识别系统人脸检测平均时间40ms,人脸识别正确率93%以上,拒识别率91%以上。门禁系统平均响应时间1.4s-2.5s,数据传输误差率1.67%以下。整个系统安全性高,实时性好,有广阔的应用前景。