人脸检测与识别技术是模式识别、计算机视觉领域内最有理论价值和应用前景,且极具挑战性的研究课题之一。其目的是使计算机像人一样具有从一幅图像中发现是否存在人脸,以及对发现的人脸进行身份鉴别的能力。本文在对目前主流人脸检测与识别技术进行比较分析的基础上,深入研究了如何提高人脸检测与识别的精度与速度,同时保证系统有较强的鲁棒性,并最终实现了一个人脸检测与识别系统。通过在该系统上的大量评估性实验以及对实验数据的统计分析,证明本文采用的人脸检测与识别方法基本达到了上述目标。本文主要研究工作如下:在人脸检测方面:采取肤色检测与人脸面部特征空间定位相结合的方法。首先根据人脸肤色在色彩空间中的统计分布和聚类特性,选取出最适合人脸检测的色彩空间和肤色模型。然后进行肤色分割,得到人脸图像中可能的皮肤区域。再利用人脸区域的统计特性和传统的先验知识,从确定的皮肤区域中筛选出可能属于人脸的区域。最后根据人脸特征提取和空间位置验证,对候选人脸精确定位。通过实验证明该方法有效可行。在人脸识别方面:对原图像进行离散余弦变换,选取离散余弦变换系数的低频部分作为隐马尔可夫模型的观察向量,进行训练。使用二维隐马尔可夫模型为二维的人脸图像建模更能体现人脸的个体差异。实验结果显示采用该方法可获得很高的识别精度。通过对完成的人脸检测与识别系统的大量测试实验。表明该系统在人脸检测与识别方面对光照条件、表情变化、人脸姿态的改变有很强的鲁棒性,在各种复杂条件下保持了95%以上的检测与识别率,同时达到了很高的识别速度。