门禁系统目前主要是用以人体生物特征作为辨识条件的生物特征识别门禁系统,其主要包括(人脸,指纹,语音,虹膜,视网膜,DNA,掌纹等)但是人脸识别具有其方便、非侵犯性、自然、直接和友好等特点,作为生物特征识别研究中的主要流派。人脸识别系统是一种基于信息处理的模式识别系统。它主要包括两大部分:人脸检测与人脸识别。人脸检测部分是要从整幅视频帧中找到需要识别的人脸,基本理论是利用Haar特征,积分图像,在人脸样本和非人脸样本中训练出具有人脸分类能力的弱分类器,强分类器,并将其级联做出级联分类器,这就是Adaboost算法的慨括。人脸识别主要利用PCA+LDA提取可以用来区分不同人的人脸图像的特征信息,再利用特征信息进行分类,整个系统的识别率由这两部分共同决定,那么每个部分的效率都关乎到识别结果的优劣。因为门禁的采样相机是在斜高处架设,所以检测出来的人脸几乎都为非正人脸,但是现在通常使用的人脸识别系统都只能较为准确的处理近似正面的人脸,对于非正面的人脸图像的处理,这些系统的性能会急剧下降。所以本文研究了一种在门禁中的利用检测策略、中心块去误检和顽固误检的去除来降低检测出来的非人脸误检与根据眼睛定位是否成功来找相对最正人脸的方法相结合进行人脸识别的技术方案,结合以上两种算法将更会提高身份识别的可靠性和实时性,以保证识别结果最优,满足了场所安全保护和高效管理的需要。