基于生物特征的身份认证技术在社会生活中具有越来越重要的地位和作用,已逐渐成为信息安全的重要研究领域。在多种生物特征中,基于人面部特征的识别和认证因为具有无侵害性、成本低、隐蔽性、不需要被测者特殊配合等优点,得到了广泛的关注和重视,具有广阔的应用前景。本文通过对几种常见的身份认证技术的分析,总结了现有的身份认证系统存在的问题和不足,在此基础上将生物特征之一的人脸特征应用于身份认证技术中,设计并实现了一个基于人脸特征的身份认证原型系统,对系统的功能、框架结构和涉及的关键技术等进行了研究和分析,并对所设计系统的性能进行了测试。结果表明,该系统能够较为准确地完成身份认证任务,且对一定范围内的人脸姿态、光照变化等具有较强的健壮性。研究的关键技术包括人脸和眼睛的检测与定位、图像预处理、人脸特征提取和分类器设计等。本文利用AdaBoost学习算法构建了人脸检测和眼睛检测分类器,实现了人脸和眼睛的检测与定位,实验表明,该算法能够实时、准确地检测并定位出人脸和眼睛。针对人脸图像存在的姿态、光照变化等问题,结合人眼定位时的眼睛坐标和图像预处理技术提出了人脸图像的规范化处理方法,有效地减少了姿态、光照变化对系统性能带来的影响。特征提取方法的优劣直接影响到系统的认证性能。由于Gabor小波核函数具有较强的空间位置和方向选择性,能够捕捉对应于空间和频率的局部结构信息,表达人脸最有用的局部特征,因此本文采用人脸图像的Gabor滤波响应来表示人脸特征。为解决Gabor特征维数过高的问题,结合主分量分析和线性鉴别分析方法各自的优势提出了两种特征提取方案,并在简单分类器和SVM分类器上进行了实验。实验表明,GP特征提取方案在SVM分类器上获得了较好的实验效果。