目前火车站检票进站通关环节仍采用人工查验方式,这种方式费时费力,直接影响旅客通关效率。人脸识别技术发展迅速,且具有自然性、非强制性等独特优势,已经广泛应用在安防、通关等领域。因此,可以将自动人脸识别技术应用于火车站通关场景,提高通关效率。随着存储技术的发展,计算机能够存储的图像规模越来越大,我们面临着大规模人脸数据的检索,提高人脸检索效率变得至关重要。本文着重研究人脸检索方法,并将人脸识别应用于火车站通关场景上,设计并实现智能人脸识别通关系统。本文对已有的人脸特征提取方法进行分析,选用人脸识别性能较好的局部特征提取方法(LBP)。进一步,分块的LBP特征相对于整个图像的LBP特征更能体现人脸的细节纹理特点,它对光照变化有较强的鲁棒性,因此对图像提取分块LBP特征。为了去除每块特征的冗余信息,利用主成分分析方法对提取的特征进行降维,最终将各块降维特征串联在一起形成最后的人脸特征。传统的人脸识别检索方法在面对海量高维数据时,常常会陷入“维度灾难”,从而导致检索效率低下。而哈希算法恰能解决高维大规模数据检索问题,因此,文中介绍了哈希算法,包括基于随机投影的局部敏感哈希算法和基于学习的迭代量化敏感哈希算法、增强迭代量化敏感哈希算法。文中分析了这些哈希算法检索效率继续提升的方向,即减少散列入哈希桶中数据点的数量,从而减少去重、比对以及排序的时间。根据分析,文中提出基于预分类的增强迭代量化敏感哈希算法,即在哈希映射前将人脸特征数据分为若干类。首先采用线性判别分析方法,将高维人脸特征数据投影到最佳分类鉴别空间,特征维数减少。接着用模糊C均值聚类方法对降维后的特征数据进行处理,得到特征数据的隶属度矩阵。根据类内距离与类间距离比值最小以及分类交集最少原则,确立适应度函数,应用遗传算法对隶属度阈值进行寻优。最后根据隶属度阈值对特征数据进行模糊分类。本文在基于预分类的增强迭代量化敏感哈希算法基础上开发了智能人脸识别通关系统,完成了系统总体设计、功能设计、模块设计以及数据库设计。在windows平台上,利用Matlab、C#程序设计语言和SQL Server数据库进行开发,完成了系统软件,实现了用户权限管理、通关旅客身份识别、逃犯识别以及记录查询等功能。