1、隨著計算機和網(wǎng)絡(luò)通信技術(shù)的飛速發(fā)展，人們開始采用一些人類身上的生物特征進(jìn)行身份驗證。生物特征識別一般包括人臉識別，語音識別，指紋和掌紋識別，步態(tài)識別等。其中，人臉識別具有人臉特征獲取相對方便，識別時間相對較短等優(yōu)點因而在社會公共安全和日常生活中具有廣泛的應(yīng)用前景。一個完整的人臉識別系統(tǒng)一般包含以下幾個處理步驟:人臉檢測，人臉對齊、特征提取和分類。其中，人臉對齊和特征提取又是影響系統(tǒng)最終性能的兩個關(guān)鍵性步驟。因此，本文主要對這兩個問題進(jìn)行

2、研究。
　　本文主要工作如下:
　　(1)研究了一種基于統(tǒng)計模型的特征點定位方法主動形狀模型(Active ShapeModels，簡稱ASM)算法，針對ASM特征點搜索的范圍有限以及易受噪聲和光照影響的不足，本文提出了一種基于LBP的改進(jìn)的ASM算法，該算法改進(jìn)了ASM中特征點的搜索策略，擴大了搜索范圍。改進(jìn)的算法利用LBP編碼值而不是直接使用灰度值來建立局部紋理模型。實驗結(jié)果表明本文提出的基于LBP的改進(jìn)的ASM算法相比

3、于傳統(tǒng)ASM算法可以更好的定位人臉特征點。
　　(2)研究了基于回歸模型的人臉對齊方法，包括基于線性回歸的人臉對齊方法和基于形狀回歸的人臉對齊方法。本文首先分析了密集、稀疏和完全稀疏三種線性回歸模型，并通過實驗驗證了這三種模型的區(qū)別以及對于特征點定位的影響。與基于線性回歸模型的方法相比，基于形狀回歸的方法不采用固定參數(shù)的形狀模型而是利用級聯(lián)的思想不斷更新初始人臉形狀從而實現(xiàn)對面部特征點的定位。該方法沒有用PCA去約束形狀模型，用訓(xùn)

4、練樣本的線性組合來約束形狀。實驗結(jié)果表明基于形狀回歸的方法可以更好的定位人臉特征點。
　　(3)研究了人臉圖像局部特征提取方法，如:局部二值模式(Local binary Pattern，簡稱LBP)、尺度不變特征轉(zhuǎn)換(Scale Invariant Feature Transform，簡稱SIFT)、Gabor特征、局部Gabor二值模式等，然后從圖像信息分解的角度，提出了一種基于圖像分解和特征融合的人臉識別方法。該方法借鑒了L