人脸识别技术是基于生物特征的识别方式,与指纹识别等传统的识别方式相比,具有实时、准确和非侵扰等特性,较容易被用户接受,因此人脸识别技术在诸多领域都有广泛的应用。人脸识别技术中的人脸特征提取及模式识别是近年来基于生物特征研究的热点之一。本文从构建一个动态的人脸识别系统着手,讨论了整个构建工作的流程,对各环节所需的技术、算法作了介绍和研究。其中包括通过多媒体设备获取视频序列流、在图像中检测人脸、对人脸图像进行预处理后提取脸部特征、最后进行模式分类识别。整个过程所作的具体工作如下:(1)阐述了人脸检测及预处理的重要性,介绍了几种图片预处理的方法,包括尺度归一化,灰度归一化,直方图均衡化等,并运用小波分解过滤出人脸图片中含有较稳定特征的低频部分用于特征提取。(2)讨论了三种基于统计特征的特征提取方法,即PCA(主成分分析方法)﹑LDA(Fisher脸方法)﹑KPCA(核主成分分析方法)。分别阐述了这三种特征提取方法的主要思想,介绍了各自的算法流程及实现方法,并对各自的优缺点及适用环境进行了总结和分析。(3)分析了支持向量机方法,探讨了线性和非线性支持向量机的原理及实现方法,讨论了如何获取较好的核函数,另外介绍了支持向量机如何实现用SVM解决多分类问题。(4)由文中讨论的各种特征提取和分类方法进行了大量的实验,并获取了相应的实验数据,对前文总结的各种方法的特点及优缺点进行了对比和验证。根据人脸识别系统流程以及具体算法搭建了一个由摄像头获取视频流的动态人脸识别系统。测试了多个角度,多种障碍物,多种表情等外界条件干扰下各种算法的识别精度及效率,并对实验结果进行了归纳和总结。