现今社会,科学技术日益发展,人们的安全意识开始提高,这也使信息安全中的隐蔽性问题受到了人们的广泛关注。人脸识别主要依靠的是人的脸部特征,来进行身份辨识,相比于其他的一些生物特征识别的技术,具有更方便、迅速、非侵犯性、交互性以及超强的追踪能力等优点,因而被广泛研究,并实际运用于金融、军队、政府、航天、公安等领域。课题源于武警部队某基层中队实际需求,上级要经常对人员进行清点,本文通过对人脸识别技术的研究实现了基于多人脸识别的部队点名系统。提出了一种分块加权的LBP特征方法,并通过实验证明,这种特征方法能够在一定的程度上提高识别的准确率。首先,在人脸检测中,本文采用了Haar-like特征作为人脸检测最主要的特征,同时采用AdaBoost分类器来挑选一些最能代表人脸的特征。此外,在人脸检测之前采用了直方图均衡化人脸图片的方法,归一化图片大小的方法以及对人脸图像进行校正等操作,来提升识别的速度以及准确率。在人脸识别方面,本文主要采用分块加权的LBP特征值作为人脸的主要特征。首先,在对图像中的人脸进行检测之后,通过对图像进行了从横轴以及纵轴上的均匀分割,得到许多面积相等的人脸小块,紧接着在这些小块图像上依次提取LBP特征向量,然后用分类器来对得到的特征向量进行分类,得到对应的识别率。根据识别率的高低,赋予其相应的权重。识别率越高,则认为它对人脸的表达贡献较大,由此赋予更大的权值,反之,赋予更小的权值。通过这样一种机制,能够最大化地提取人脸图像中的可区分特征。最后将带有权重的LBP特征拼接在一起组成人脸图像的最终特征表达向量。最后在收集的部队点名数据集上来测试该方法的有效性。本课题通过大量的实验来检验该方法的准确性。并在手机端建立了多人脸识别系统,该系统能够实时地用于对部队进行点名,具有操作便捷、易于携带等优点。