人脸识别作为图像处理、模式识别等交叉学科的重要研究课题,在身份验证、视频监控、公共安全、数字娱乐等领域有着广阔的应用前景及商业价值。经过近四十年的长足发展,可控条件下的人脸识别基本达到商业标准。然而,在非可控条件下,人脸识别的效果易受到光照、表情、姿态、遮挡及年龄等外界因素的影响,其中光照变化的影响尤为严重。针对以上所述问题,本文从人脸特征提取的角度对人脸识别进行了深入的研究,在详细分析现有的人脸识别相关技术的基础之上,提出了基于人脸对称性改进的自商图像算法以及基于自适应加权梯度方向直方图特征的人脸识别方法。本文主要工作内容及创新点如下:1.在自商图像(SQI)算法的基础上,本文引入人脸先验对称性,利用人脸对称性来恢复由于光照不平衡而产生的局部阴影或曝光区域的人脸特征,以提高人脸识别系统的识别率及复杂环境的适应性。为了验证该算法的有效性,文中设计验证实验,首先对人脸图像进行光照预处理,然后提取改进的基于人脸对称性的自商图像特征并采用主成分分析算法(PCA)进行降维,最后采用支持向量机(SVM)分类器进行分类识别。在Yale B人脸库上的实验结果表明该算法能够有效地消除光照变化的影响,提高了由于光照导致的人脸图像产生局部阴影及曝光情况下的人脸识别率。2.在梯度方向直方图(HOG)特征的基础之上,本文提出一种改进的自适应加权梯度方向直方图(AW-HOG)特征的人脸识别方法。该方法首先将人脸图像分成的均匀子块,并利用HOG描述算子提取分块人脸特征,根据各分块对识别的贡献率自适应地计算各分块的权重,然后融合权重系数以及各分块的HOG特征,形成AW-HOG特征并采用主成分分析(PCA)算法进行降维,最终采用降维的AW-HOG特征用于支持向量机分类器(SVM)进行分类识别。为了验证本文所提算法的有效性,文中设计了分块实验及多特征对比实验,在Yale B及AR人脸数据库上的实验结果表明该算法在识别率上优于传统算法且对光照具有较强的鲁棒性。3.基于对人脸识别技术的全面研究,本文基于QT开发了一个实时的人脸识别门禁系统。该系统主要包括访客信息注册、人脸识别及门禁系统执行三大模块,访客信息注册模块主要通过人脸检测自动采集到的人脸图像进行信息录入,以构建出人脸识别门禁系统的数据库信息;人脸识别模块主要进行对当前访客信息的确认;门禁系统模块根据识别的结果来确定后续的执行,识别成功则门锁开启,否则门锁闭合并产生警鸣。