人脸识别是模式识别和计算机视觉领域的热点课题之一,经过30多年的研究,在环境可控条件下已达到实用程度,但在非理想成像(尤其是光照、姿态变化)、用户不配合、大规模人脸库等条件下的识别,仍然面临巨大挑战。本文针对大规模人脸库上的人脸识别问题,提出了一种正侧面级联匹配的人脸识别算法,把人脸识别设计成一个级联匹配的过程:第一级匹配主要完成在大规模人脸库中进行快速匹配,初选出若干最接近的人脸,组成新的人脸库;第二级匹配主要完成在新人脸库中进行精确匹配,最终识别出正确人脸。本文主要完成了以下工作:(1)探讨了人脸特征提取时Gabor滤波器参数的选择问题,并通过实验进行了验证。对人脸识别中核函数选择问题进行了讨论,并且通过实验确定了KPCA方法中高斯核函数的参数。(2)在正面人脸识别阶段,提出了一种在小波低频子图上结合Gabor特征和核主分量分析的人脸识别方法。首先对人脸进行二维小波分解,通过Gabor滤波器对人脸低频子图滤波,并对Gabor特征进行降采样,然后采用核主分量分析的方法进一步降低Gabor特征的维数,最后采用最小距离分类器进行识别。由于采用了Gabor滤波,该方法对光照、表情具有鲁棒性,在FERET人脸库上的实验结果表明,该方法在识别性能上优于核主分量分析的方法,在识别时间上优于不采用小波分解的方法。(3)在侧面人脸识别阶段,提出了一种利用鼻子轮廓线曲率特征进行人脸筛选的方法。首先,对侧面人脸图像进行预处理分割出鼻子,提取鼻子曲线,并对轮廓线去噪和细化。然后,用曲线拟合轮廓线,并计算曲线上各点的曲率。最后,用计算互相关函数的方法来比较两条曲率线的相似性,根据实验确定的阈值对人脸进行筛选。在FERET人脸库上的实验结果表明,该方法能够在较短的时间内对大规模人脸库进行筛选,并分离出包含正确人脸的新人脸库。实验结果表明正侧面级联匹配策略能够有效缩短识别时间,解决当人脸库规模增大时识别时间增长过快的问题。