随着社会的发展 ,各个方面对快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,是身份验证的最理想依据。从而，“生物特征识别技术”，因其良好的安全性越来越多地应用于身份识别。自动人脸识别技术因造价低、使用友好等优点成为其中很有前景的一部分。由于在一个场景中找到一张脸并且能够识别它在人类生活中是很普通且非常重要的，因此将这项任务自动化是有重要意义的。计算机技术和人工智能领域研究的发展使得这方面的研究成为可能。同时，根据计算机技术的发展趋势，智能人机界面应该取代传统的键盘鼠标，成为更加安全方便的人机交互接口。人脸识别是一个跨学科非常具有挑战性的前沿课题。首先因为人脸图像的获取过程不同，导致二维图像信息在质量、几何、光线上都有内在的不同，此外还有脸部受到遮挡和化妆等因素的影响。但是，更内在的原因是，人脸是具有高度相似性的非刚体。人脸不同于普通物体，不同人的脸具有高度的相似性，同一人的脸又具有不同的状态，不仅存在各种变形，而且和皮肤之间是平缓过渡，这使得人脸识别问题不同于普通物体的识别问题。目前，许多研究机构致力于这一领域的研究，取得了丰硕的理论成果并有不同的应用软件应运而生。尽管如此，可以说，还没有一个完全的解决方案可以在毫无约束的情况下出色地完成人脸识别任务。在应用领域上，目前可能的识别任务主要可以归为两类：身份识别/辨认/匹配(Recognition/ Identification/ match)、身份验证/证实/监督(Verification/ Authentification /Surveillance)。前者在应用上的典型实例就是公安刑侦追逃。第二种应用情形的典型实例是身份证件的鉴别、自动门禁控制系统、银行ATM取款机、家庭安全等领域。简单讲，一个是判断他或她是谁，一个是判别他或她是不是某个人。目前，这一领域的产品正在受到越来越多的关注。本文在已有的理论研究成果的基础上做了进一步的研究和实验工作，并将这些工作部分转化成软件产品，取得了一定的应用。一个自动人脸识别系统的主要组成部分是图像获取、人脸的检测定<WP=52>位、人脸图像预处理、特征提取、分类器设计和决策部分。较为重要和困难的问题集中在人脸检测定位，特征提取，分类器设计上。本文针对实际应用的要求，对检测定位部分采用多分类器级联结构实现[1]。由积分图像可以快速、容易地计算出大量的简单特征，再用AdaBoost学习算法挑选一些重要的特征，并构造一系列的弱分类器，多个弱分类通过线性组合可构造出一个强分类器。采用一个分类器逐渐复杂的多分类器级联结构大大提高了检测速度，在奔Ⅲ933以上的机器上，处理速度可达每秒20帧以上。利用改进的基于前向序列特征选择的Adaboost算法，采用代回溯过程的FloatBoost的特征选择算法。采用简单的块特征以及一个金字塔的分级结构，该系统可以检测多视角人脸图像，处理速度达每秒5帧以上。特征提取和选择部分采用统计分析领域的线性判别式分析(LDA)方法。这种方法的基本思想是将测量空间中的高维数据，通过LDA训练过程得到线性变换矩阵，投影到最佳鉴别矢量空间已达到维数压缩的效果，投影后保证模式样本在新的空间中有最大的类间距离和最小的类内距离。即模式在该空间中有最佳的可分离性。这是一种有效的模式分析技术。这种方法的关键是如何求解最佳变换矩阵。这种方法在最少损失判别信息的前提下获得了最大的数据降维，是简单而有效的降维方法。本文中尝试了对这种经典的模式识别算法的一些改进算法。分类策略选取的是加权的欧式距离。同时也研究比较了近年来流行的多种分类器，有CityBlock方法、欧氏距离、斜方差法、关联规则方法、马氏距离。人脸识别系统中使用的是加权的欧氏距离方法，其他几种方法只作为实验研究。在上述的理论和实验的基础之上，我们研制了可以用于实际生产生活的软件产品――自动人像屏幕保护系统。此外，还对本项目组从前研究开发的大型图像库检索等产品作了二次开发。这种产品是身份验证类的应用，来访者坐在显示器前，系统利用摄像头拍的照片，通过图像判断此人是否有权限通过验证进入计算机系统。后者是身份识别类的应用，对输入的人像，找出最为匹配的一个图像集。由于时间的关系，很多理论还没有进行深入的挖掘；人脸表示方面的研究不够充分，没有对比实验；对人像库检索这一类的应用没有作出在更大规模人像库的情况下的解决方案，这些都是值得今后继续研究的问题。