1、隨著科學(xué)技術(shù)的飛速發(fā)展，人們在安全驗證和信息識別方面的需求也越來越廣泛。目標(biāo)圖像的檢測與識別是一項重要研究內(nèi)容，而人臉圖像作為最重要的視覺圖像之一，在機器視覺、多媒體技術(shù)、信息處理技術(shù)等研究中占有重要的地位。人臉檢測作為人臉信息處理技術(shù)的第一步和重要環(huán)節(jié)，業(yè)已成為一項獨立而活躍的研究應(yīng)用課題，受到了研究者的普遍關(guān)注。
　　本文在分析前人工作的基礎(chǔ)上，將AdaBoost算法運用于人臉檢測問題，以人臉圖像和非人臉圖像作為訓(xùn)練樣本，以類

2、Haar特征和積分圖為基礎(chǔ)，訓(xùn)練出AdaBoost分類器，并通過構(gòu)建級聯(lián)分類器，使得人臉檢測性能達到符合實際應(yīng)用要求的水平。用訓(xùn)練出的AdaBoost級聯(lián)分類器對實際圖像進行人臉檢測，取得了很好的效果。在實現(xiàn)了基于AdaBoost算法的人臉檢測的基礎(chǔ)上，提出了AdaBoost與SVM相結(jié)合的人臉檢測方法。此方法在AdaBoost級聯(lián)構(gòu)架的基礎(chǔ)上，采用SVM分類器代替?zhèn)鹘y(tǒng)的AdaBoost分類器。在訓(xùn)練SVM分類器的過程中，針對人臉樣本和

3、非人臉樣本，提取若干個具有最強分類能力的類Haar特征，訓(xùn)練出SVM分類器。在達到很高訓(xùn)練樣本擬合度的同時，通過對驗證集進行分類來保證分類器的泛化能力，并且通過采用有側(cè)重的懲罰因子設(shè)定，使得SVM分類器對人臉樣本更加重視。同時，本文對類Haar特征的提取方法提出了改進，合理的減少了計算量、提高了運算速度。在實現(xiàn)人臉檢測之后，需要進行下一步的人臉識別，來判斷檢測到的人臉是否是人臉庫中的目標(biāo)人臉。本文將子空間PCA方法運用于人臉識別過程中，