生物特征识别技术因为其安全性、稳定性和便捷性等特点，被广泛地应用于身份鉴别领域。常用于识别的生物特征包括指纹、人脸、虹膜、视网膜、掌形、签名、掌纹等。由于人类的眉毛能够满足广泛性、唯一性、可采集性、可接受性、稳定性以及安全性等要求，因此也可以被用于身份鉴别的研究。对眉毛识别的研究在生物特征识别领域中有巨大的理论和实际意义。　　本文提出了一种基于模板匹配和投影降维分析的自动眉毛识别方法，主要研究工作如下：　　1.利用基于拟Haar变换的模板匹配方法进行纯眉毛图像提取　　本文研究了基于正交Haar变换的模板匹配方法，并在其基础上提出了针对非标准模板的基于拟Haar变换模板匹配算法，利用拟Haar变换模板匹配进行纯眉毛图像提取。该算法通过树形分解计算得到原始图像中各候选窗口以及模板的类Haar特征，然后利用特征之间的距离作为筛选条件来定位原始图像中与眉毛模板相匹配的最佳区域，自动分割出人脸中的眉毛部分。　　2.纯眉毛图像的投影降维方法分析　　本文研究了PCA，2DPCA，LPP和2DLPP四种投影降维方法，分别利用这些方法对纯眉毛图像进行投影降维。通过在眉毛数据库上的实验，比较了其在识别率，时间以及维数上的差别。　　3.自动眉毛识别方法研究　　本文研究了自动眉毛识别方法，其任务是对于给定的原始眉毛图像和纯眉毛数据库，识别出原始眉毛所属的类别。其处理过程是：先根据纯眉毛数据库中的眉毛模板来对给定的原始眉毛图像进行匹配，将得到多个匹配结果；然后将匹配结果作为测试集，将纯眉毛数据库作为训练集，对测试集和训练集的眉毛图像进行投影降维，最后根据投影特征之间的距离，利用最近邻法判别法得出纯眉毛的类别(即原始眉毛的类别)。在整个实验过程中，纯眉毛数据库由人工选定，整个识别过程是自动的，从而减少了人工干扰。