人脸识别技术因为涉及较多的研究领域以及应用场景广泛成为当前一个热门研究课题,它无论在科研还是在商用中都具有重要的价值。目前经历了几十年的发展已经有大量的研究人员分别针对不同的应用环境提出了自己的人脸识别算法。本文在分别研究基于整体特征和局部特征提取算法的基础上,提出了融合整体特征和局部特征的人脸识别算法,并将本文算法分别与整体特征提取算法和局部特征提取算法的识别率进行了对比分析。本文的主要研究内容如下:(1)目前主流的人脸识别算法都是单纯的基于整体特征提取算法或者基于局部特征提取算法或者某种算法的改进,许多研究人员提出人脸识别技术的未来趋势可以是多种算法的融合。本文针对这种情况从提高人脸识别率出发利用了融合整体特征和局部特征的人脸识别方法。首先,利用PCA算法提取人脸图像整体重要特征信息,然后利用局部二值模式算法获得局部重要信息,再将二者利用Bayesian融合策略进行有效融合。实验结果对比的时候,将本文结果与采取同样整体特征提取算法和局部特征提取算法的特征级融合算法进行了比较,这样结果就更加具有可比性。对比结果证明,本文方法在训练样本数相同的情况下,识别率高于主成分分析算法的识别率,本文方法的最高识别率也高于局部二进制模式的最高识别率。当然,本文算法的识别率也高于采用同样特征提取算法的简单特征级融合。总之,融合两者的有效信息能够结合二者的优势,达到提高人脸识别率的目的。(2)设计了一个人脸识别系统界面,该界面的功能是可以方便的对人脸数据库进行训练、测试、识别以及选择想要测试的图像。并且界面左侧参数总是显示最近一次实验所用数据,可以方便的进行实验数据的记录,以便于在以后的实验中选择更好的参数。