1、從一個人出生時開始，人臉的識別就在人類的社交活動中發(fā)揮著極其重要的作用，幾乎覆蓋了我們生活的方方面面。隨著IT技術(shù)的發(fā)展，人臉識別技術(shù)已經(jīng)成為計算機視覺和模式識別領(lǐng)域一個非常重要的研究課題。作為一項生物特征識別技術(shù)，人臉識別越發(fā)凸顯其重要性，在公共安全、身份認(rèn)證、訪問控制、智能監(jiān)控、社交網(wǎng)絡(luò)、移動應(yīng)用等眾多領(lǐng)域內(nèi)都擁有著巨大的發(fā)展?jié)摿蛻?yīng)用價值。相對于其他生物特征識別技術(shù)，如指紋識別、掌紋識別或者虹膜識別來說，人臉識別的優(yōu)點在于它是一個

2、非接觸式的過程，人臉圖像可以在一定的距離外完成采集和識別，不需要和被識別對象進(jìn)行接觸。盡管在過去的幾十年里，人臉識別技術(shù)取得了相當(dāng)大的進(jìn)展，但是現(xiàn)今人臉識別系統(tǒng)的準(zhǔn)確性和魯棒性還達(dá)不到在高度要求安全性的環(huán)境下應(yīng)用的要求，仍然有很多工作有待進(jìn)一步完成。本文在綜述當(dāng)前人臉識別進(jìn)展的基礎(chǔ)上，從人臉的對稱性和認(rèn)知學(xué)理論依據(jù)出發(fā)，對人臉識別系統(tǒng)中的人臉表示、分類和識別問題進(jìn)行了研究。具體的研究內(nèi)容包括:
　　(1)提出了人臉表示的核半臉模型

3、。基于正面人臉的對稱性，分析了人臉對稱性對識別的影響，根據(jù)F散度的理論，構(gòu)造了適用于半臉融合的幾種核函數(shù)，通過對不同核函數(shù)選擇，建立了HS-KHF、CS-KHF和JS-KHF等三種核半臉模型的人臉表示方法。通過與幾種常見的子空間方法結(jié)合，驗證了核半臉模型的有效性，使用核半臉的人臉表示方法，相對于全臉的方法，可以在計算速度和識別率兩個方面都獲得一定程度的提升。
　　(2)提出了一種基于無監(jiān)督學(xué)習(xí)的人臉自動分類方法?；谡J(rèn)知學(xué)的理論依

4、據(jù)，人類能夠通過利用各種不同的視覺線索對人臉進(jìn)行分類來提高識別速度和識別準(zhǔn)確率，本文從局部特征描述出發(fā)，認(rèn)為眾多局部特征中隱含了人臉圖像的類別信息，研究了人臉圖像的類別發(fā)現(xiàn)機制，分析了各種局部特征描述對人臉分類的影響，提出了基于Bag of Features的人臉無監(jiān)督分類方法。在FERET數(shù)據(jù)庫上的實驗表明，該分類方法可以取得比較令人滿意的分類結(jié)果。
　　(3)對人臉識別算法中的特征表示和分類器設(shè)計兩個重要問題進(jìn)行研究，提出了一

5、種基于KHF和BOF的人臉高維特征表示方法，實現(xiàn)了近似卡方核的線性SVM分類器。從人臉分類的視角出發(fā)，將人臉識別轉(zhuǎn)化為圖像分類問題，從人臉表示和分類器兩方面進(jìn)行研究，基于KHF人臉表示和BOF方法，提出了基于KHF和BOF特征的三級金字塔直方圖特征的人臉特征表示方法，同時，在Pegasos分類器的基礎(chǔ)上，結(jié)合加法核理論，實現(xiàn)了近似卡方核的線性SVM分類器，綜合了線性SVM的快速和非線性SVM高效的兩種優(yōu)點，同時實現(xiàn)了對人臉特征的高速訓(xùn)練

6、和高效分類。在YALE、FERET和ORL三個數(shù)據(jù)庫上的實驗表明，基于三級金字塔直方圖特征和近似卡方核SVM分類器的人臉識別算法，在識別準(zhǔn)確率上取得了非常好的效果。
　　綜上，本文對人臉的表示、分類和識別等問題進(jìn)行了研究，提出了核半臉模型、基于BOF無監(jiān)督的人臉分類方法以及基于KHF和BOF的人臉高維特征表示和近似卡方核SVM分類的人臉識別算法。本文的研究有效提升了人臉識別算法的精度，同時也豐富了人臉識別算法的體系，對人臉識別的理