现如今,人脸识别这一曾经略带科幻色彩的技术,已经悄然走进了人们的生活,并且向着更多的领域进行渗透。作为“智能化”这一概念在交通领域所造就的产物,“车联网”正在逐渐兴起,越来越多的新技术、新概念被投入这一领域。本文主要针对驾驶室内司机的人脸识别,从人脸检测算法、光照预处理算法、人脸识别算法三方面进行研究,并且开发了一套模拟验证系统,验证本文算法的可用性。人脸检测方面,采用连通域检测粗定位人脸、采用Adaboost算法精确定位人脸;通过分析连通域检测原理,确定连通域检测实现的关键参数;使用ORL人脸库以及PASCAL VOC数据库训练Adaboost分类器。光照预处理方面,采用小波算法分解人脸图像,得到包含光照信息的低频子图与包含人脸细节信息的高频子图,再分别对低频子图与高频子图进行处理,通过分析效果图,验证预处理算法在减弱光照干扰方面的有效性。人脸识别方面,采用LBP、HOG、BLS的混合算法;通过对比实验,确定采用的LBP算子类型、采样半径与采样点数目;之后,确定HOG算法实现的关键参数;通过调节节点数目训练宽度学习网络模型;最后通过测试得到混合算法的准确率可达95.60%,高于单一的LBP、HOG、BLS算法识别准确率。通过模拟验证系统测试,本文算法在光照均匀情况下具有良好的效果,能够保证系统人脸识别功能成功实现,能够适应一定的光照强弱变化;在一定程度的光照不均匀,即出现一定程度“阴阳脸”的情况下,能够保证系统人脸识别功能正常运行;对头部姿态变化也具有一定的适应性。