人脸包含的视觉信息是区别人与人之间差别的最重要生物特征之一，以其直接性、唯一性、方便性等特点，越来越受到人们的关注。人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一，也是近年来研究的热点问题。但由于人脸的可变塑性和在成像过程中多种因素的影响，目前已经取得的研究成果距离这一问题的彻底解决和实际应用还有相当大的距离。本文对近年来所出现的人脸检测和识别的主要方法进行了综述，将人脸识别的方法归结为基于可视特征、基于模板、基于代数特征和基于机器学习等四类方法，并对人脸识别的评价标准进行了探讨。在研究了人脸检测和识别的基本理论和关键技术基础上，论文重点讨论了在复杂背景和可变光照的条件下，彩色人脸图像和灰度人脸图像的人脸检测、器官定位、特征提取、以及光线补偿和改善等问题。本文的主要研究内容包括：（1）在彩色图像人脸检测中，采用将肤色区域分割与模板匹配相结合的方法，并提出了颜色模型的自适应算法和给出了彩色置信度的概念。本文针对彩色人脸图像，提出了一种基于肤色模型和模板匹配的人脸检测方法。首先，构造rgb颜色空间下的人脸肤色统计模型；将图像的像素分为肤色像素点和非肤色像素点；将彩色图像分为网格单元，计算网格单元内肤色点比率，大于某一阈值的单元被认定为肤色单元；将相邻的肤色单元连通，判断连通区域的形状，将符合比例的类矩形区确<WP=128>定为候选人脸区域；最后，对候选人脸区域的灰度图像用人脸模板进行模板匹配，以确定真实人脸。该方法实现了较高的检测准确率，特别是在检测速度上比传统灰度图像的模板匹配方法有较大提高，适合于构建实时人脸检测系统。人的肤色会由于光源颜色，背景颜色，光照强度、成像介质等诸多因素影响而发生变化。皮肤颜色模型的建立不是一成不变的，而是需要随着环境的变化而做出调整。论文提出了颜色自适应调整算法，使颜色模型有更广的适用范围，并提出彩色置信度的概念用来评估颜色模型的可靠程度。（2）在灰度图像人脸检测中，本文采用基于AdaBoost算法的分类器级联方法。人脸检测是一个两类的分类问题，然而构造具有较高的分类性能的单一分类器是十分困难的。这样的分类器即使存在，其结构也是相当复杂，实现起来相当困难。本文用于人脸检测的分类器，是由一系列简单的弱分类器构成的级联结构。本文所设计的弱分类器都有较高的检测率，但却只有中等的虚假正确率，因而具有结构简单，计算复杂性小的特点。级联系统的训练和分类采用Boosting学习方法，其基本思想是由一系列比随机假设性能稍好一些的弱分类器，合并成一个性能优越的强分类器。本文设计了简单的三类矩形特征来表征人脸的特征，采用结构简单的感知器作为弱学习器算法，其目的是尽量减少计算的复杂性。面对矩形特征数量极其巨大的困难，本文提出用Adaboost算法去训练简单的分类器。AdaBoost的训练的过程就是一个从众多数量巨大的特征中选取较少的有效特征的过程。这是一种相当贪婪的学习算法，它将绝大多数的特征都排除掉；并且在分类过程中，在级联系统的最初几级就除掉了绝大多数的负样本，从而使检测的速度有大幅度的提高。（3）本文提出了基于小波的光照补偿方法，克服和改善了在人脸识别中由于光照的变化带来的不利影响。环境光线的变化是影响人像检测和识别精度的主要因素之一。实验室环境下的实现识别方法，可能在变化的环境光线下，变得质量下降或是不可应用。在分析了人脸光照模型后，从发现光照恒常性规律的角度入手，对常用的补偿光照或改善光照的传统方法进行了讨论。本文提出了一种自然光照下的人脸图像去光处理算法，将输入的人脸图像归一到标准光照下。这种可变光照改善方法是基于小波分析的，它将光照变换<WP=129>为在各个方向上强度比较均衡的光照环境。实验结果证明了这种方法的有效性，并可以推广到实际的应用系统中，提高系统鲁棒性和适应性。（4）从系统工程的角度，对人脸识别应用产品的开发步骤和相关技术作了细致的讨论。人像识别技术是一个极具现实意义和使用价值的研究领域。但人像识别技术的实际应用却是一项极其复杂的系统工程。在应用实践中，不但要考虑技术原理和实现方法每一个细节问题，更要考虑系统与实际条件和应用环境的相互配合。本文介绍了基于人像识别技术的访问控制系统的实现过程，讨论了系统结构和实现技术，软件开发流程，分析了影响识别效果的诸多因素。系统主要的技术包括：用主分量分析方法实现特征抽取，用最近邻域作为识别判据，以类内相似度为最终认定条件。实验证明，系统达到较好的应用效果。本文是以国家级火炬计划项目“基于多种识别技术的身份认证与鉴别系列产品”和信息产业部电子发展基金项目“人像自动识别软件及其应用产品”，以及吉林省科技发展计划重点项目“基于人像识别系统技术的应用产品研制开发”为基础完成的。本文所提出的观点、原理及技术已经这些项目和课题中得到应用和实践，并取得了预期目标。