1、人臉識別技術是模式識別領域非常熱門的研究課題之一,具有直接、方便、友好、易于被用戶接受等優(yōu)點,在海關、公安、銀行等部門有著廣泛的應用前景。它涉及到圖像處理、模式識別、生理學、機器視覺等多個領域。廣義的人臉識別通常包括人臉檢測、圖像預處理、特征提取和識別等技術,其中人臉檢測和特征提取是人臉識別系統(tǒng)中非常關鍵的組成部分。
　　 本文詳細分析了AdaBoost算法、主元分析法(PCA)、Fisher線性鑒別分析法(Fisher LDA

2、,LDA)、基于最大散度差線性鑒別分析法(MSLDA)和二維線性鑒別分析法(2DLDA)的基本原理。在這些研究工作的基礎上,本文提出了如下三個創(chuàng)新算法。
　　 (1)提出一種結合膚色檢測和AdaBoost算法的自動調焦實時人臉檢測方法。該方法首先采用膚色信息定位皮膚區(qū)域,然后統(tǒng)計膚色區(qū)域像素數(shù),再根據(jù)像素數(shù)進行調焦,最后采用AdaBoost算法進行人臉檢測。實驗結果表明該方法在傳統(tǒng)AdaBoost算法的基礎上縮短了檢測時間,同時

3、,由于消除了非膚色區(qū)域檢測出人臉的可能性并改善了遠距離人臉檢測的缺陷,檢測率提高了2.26％,誤檢率降低了2.56％。
　　 (2)提出了一種新的基于半偶圖像的分塊LDA方法(BHELDA)。該方法采用半偶圖像作為樣本,對樣本進行分塊、并對各分塊采用LDA方法提取特征,最后融合各分塊特征進行分類識別。采用MATLAB對上述方法進行仿真,實驗結果表明BHELDA方法降低了樣本維數(shù),削弱了姿態(tài)、表情的影響,兼顧了圖像的局部特征,其識

4、別率達100％。
　　 (3)提出了一種基于半偶圖像的2DLDA方法(HE2DLDA)。該方法采用2DLDA算法直接提取半偶圖像的人臉特征。和LDA方法相比,2DLDA方法不僅解決了LDA算法的小樣本問題,而且得到的離散度矩陣更加精確,其維數(shù)也大大降低,從而使得特征提取時間大為減少。在2DLDA方法的基礎上,HE2DLDA算法采用半偶圖像作為樣本,進一步降低了離散度矩陣的維數(shù),使得其特征提取時間更為優(yōu)化。實驗結果表明,HE2DL