人脸识别是一种用户友好的非接触式的身份验证识别技术,其在人机交互、信息安全、公共安全以及娱乐等方面有着巨大的应用潜力。作为计算机视觉与人工智能等相关领域内的一个热点研究问题,人脸识别自上世纪六十年代起受到广大科研人员的关注。经过数十年的研究,人脸识别技术取得了长足的发展,一些人脸识别系统也已经投入商业使用。但设计一个有效的人脸识别系统依然面临着若干亟待解决的问题,包括环境光照的变化、在计算资源有限的设备(如智能手机)上运行以及抵御非法攻击等问题。本文主要考虑人脸识别中光照预处理、人脸特征表示以及二维人脸防伪等三个方面的问题。本文的主要工作和创新点包含以下几个部分:(1)提出了一种基于小波变换的光照预处理算法。利用小波分析的时频特性,通过观察环境光照变化对人脸图像的低频信息与高频信息的影响,发现环境光照的变化主要影响图像的低频部分,而高频部分几乎对光照变化不敏感。基于这一发现,本文提出对低频信息和高频信息分别进行不同的处理。对于低频部分,依次进行了一系列的简单处理,包括直方图均衡化、局部自适应伽玛校正、高斯差滤波以及对比度增强。对高频部分则简单地进行了锐化处理。在三个公开的光照人脸数据集上,该算法取得了当前光照归一化的先进水平。(2)提出了一种基于对数域梯度融合的光照不变量提取算法。根据朗伯反射模型,人脸图像是人脸表面的反射率与入射光线进行乘性运算的结果。其中,人脸表面的反射率是人脸的固有属性(与光照无关),因而十分适合用于光照鲁棒的人脸识别。本算法首先通过应用对数变换将乘性运算变为加性运算,使得人脸表面的反射率信息更加便于提取。由于人脸每个区域的入射光线一般被认为是相同的,对数人脸图像的梯度仅与人脸表面的反射率信息有关。最后,将各个方向上的梯度分量通过各向异性发散来进行融合,得到最终的人脸光照不变量。在三个公开的光照人脸数据集上的实验证明,本算法提取到的光照不变量能够显著提升人脸识别系统对光照变化的鲁棒性。(3)提出了一种基于梯度域纹理特征的人脸表示算法。纹理特征以其良好的描述能力和较低的运算量在人脸识别领域得到了广泛的应用。由于梯度域特征比空间域特征表现出了更好的可判别性,本文从人脸图像的梯度信息中提取纹理特征用于人脸表示。考虑到人脸各个区域含有不同程度的可判别信息,本算法进一步为人脸的不同局部区域赋予了不同的权重。在计算不同的人脸之间的相似性的时候,该权重代表了人脸局部区域的重要性。在三个公开的人脸数据库上,本算法取得了当前人脸识别性能的先进水平。(4)提出了一种基于动态纹理特征的二维人脸防伪检测算法。人脸识别系统的抗攻击性直到最近几年才开始受到足够的重视。在多种攻击方式中,二维攻击,即向人脸采集设备展示照片或播放视频以冒充他人身份进行违法活动,具有低成本与易操作的特性。因而应对这类攻击具有很高的紧迫性。由于攻击媒介与真实的人脸具有非常大的差异,包括细微运动的不同和表面纹理特性的不同,本算法通过分析视频片段的局部二值计数模式来捕捉这些不同的特性,进而区分视频中的人脸是采集自真实的人脸还是来自其他媒介。在三个公开的人脸防伪数据库上的实验证明,本算法在抵御基于伪造人脸信息的攻击方面取得了优异的性能,达到了人脸防伪检测的先进水平。