人脸识别技术是生物识别技术中的一种,在安防监控、入口控制以及数据保密等方向有着很大的应用价值,是模式识别领域的研究热点。红外热像人脸识别是人脸识别领域的一个分支,是生物识别技术最近几年所关注的热点,同时也是一个有着很大的应用价值的课题。由于红外热辐射防伪装、与光源的独立、抗干扰、防欺诈,可以弥补可见光图像人脸识别的固有问题。随着红外热像人脸识别技术的日益提高,其现实应用会更加广泛,也会产生越来越大的价值。本文关注于红外热像人脸识别中的主要过程,以实现一个在线式红外热像人脸识别系统为目标,对红外热图像的获取、预处理、训练、识别等过程做了大量讨论,并提出了改进现有识别方法的新方法,使得识别效果有所提高。首先从红外热图像的捕获出发,研究了红外热成像仪的工作方式,讨论了红外热图像的获取方式,提出使用血流数据来代替温谱数据,并使用适当的伪彩编码,使得获得的红外人脸热图像的画质有较高的提升；其次,对红外人脸热图像进行预处理,预处理过程包括角度归一化和尺寸归一化、人脸区域的提取和分割、图像平滑处理等工序。预处理后的图像画质清晰、特征突出,这为后面准确地识别奠定了一个好的基础；接着,对红外热像人脸训练和识别的方法进行研究。讨论了经典PCA方法,并指出其不足之处,然后针对其缺陷,设计并提出了一种新方法,从理论和实验上证实了新方法的有效性。新方法采用基于改进Gabor模型与分块PCA进行特征提取,并使用贝叶斯分类器替代经典的欧式距离分类器,把经典算法中的一个投影子空间变为贝叶斯理论中的类内子空间和类间子空间,改进了原经典算法中容易把同一个人员的不同时间段、不同环境温度下的红外热图像误识别为不同人脸的红外热图像的缺陷。最后,设计并实现了一个红外热像在线人脸识别系统。系统的设计采用软件工程中的启发规则作为指导,使用面向对象的设计方法。设计出的系统架构是开放的、灵活的,并体现了面向对象的高内聚、低耦合的特征,增强了系统框架应对变化的能力,减小了维护代价。