人脸检测与识别是一种应用最广泛的生物特征识别技术之一,近年来在模式识别、图像处理、计算机视觉、神经网络以及认知科学等领域成为非常活跃的研究领域,并在身份验证、人机交互、可视通信、公安档案管理等很多方面都有着极为广泛的应用价值,越来越多的研究者投身到这些领域,从而产生了大量有实际应用价值的新算法,不断推进着人脸检测与识别技术的进步与发展。本文提出了四种新的Haar-Like T特征,并将新特征应用于人脸检测和人脸识别领域。详细介绍了基于Haar-Like T特征的人脸检测和人脸识别算法,并进行了一系列的算法测试实验,说明了基于新特征算法的有效性和优越性。对本文涉及到的关键技术进行了详细的探讨,并将本文的检测算法应用于具体的应用程序开发中,进一步说明了本文算法的优越性。本文的主要研究工作包括以下几个方面。(1)提出了四种新的Haar-Like T特征。研究了基于Haar-Like T特征的人脸检测并进行了一系列的测试实验,在相同的实验条件下使用了一系列人脸正样本和非人脸负样本送入Adaboost分类器进行训练并进行级联,得到了2个级联分类器。测试了新算法的检测效果,在网上随机下载了141张共计包含599张人脸的图像进行算法的人脸检测实验,将训练出的T分类器、Haar-Like分类器与OpenCV发布的LBP分类器进行对比,实验结果表明了新特征的有效性。T分类器的识别精度与识别速度均优于对比试验的结果,且识别速度高于最新提出的人脸检测算法,从而说明了新算法的优越性。(2)研究了基于Haar-Like T特征的人脸识别。将最新提出的Haar-Like T特征应用于人脸识别领域,使用训练出的T分类器对AR人脸库提取特征,并结合稀疏表示(Sparse Representation Classification)人脸识别算法对测试样本进行分类和识别。实验结果表明了Haar-Like T特征应用于人脸识别领域的有效性,在AR人脸库中的识别率远高于SRC人脸识别算法和其它最新的人脸识别算法,从而进一步说明了新算法的优越性。(3)给出了在OpenCV环境下Haar-Like T特征提取算法的实现,其中,主要包括部分开发工具Cmake、Visual Stdio2010、OpenCV等的简介及应用,Cmake编译OpenCV的简单介绍,Haar-Like T特征的Visual C++实现代码简介与分析以及Haar-Like T分类器训练与调试的详细的过程。(4)本文最后一部分主要介绍了基于海康威视iDS-2DF1-77A型网络红外高清自动跟踪球进行二次开发的详细过程,实验过程通过海康威视的软件开发包,结合OpenCV函数库与MFC完成了软件的开发工作。实现了基于海康威视iDS-2DF1-77A型网络红外高清自动跟踪球的应用程序开发,成功实现了人脸检测功能。