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:将人脸肤色检测模型和最佳全局自适应阈值选取算法相结合,精确地分割出人体肤色区域;在此基础上对图像进行以下预处理以进一步提高图像分割质量:先通过均值滤波去除噪声、进而采用腐蚀、膨胀等形态学方法除去肤色区域的桥接和部分小连通区域,而后筛除不符合人脸比例关系的类肤色连通区域;最后采用模板匹配方法对候选人脸匹配概率进行评估、超过指定阈值则可确认为人脸。实验结果说明:该方法可以针对图像自身的肤色区域与背景区域直方图分布情况自适应选取最优分割阈值,实现对肤色区域的精确分割,从而提高了人脸检测精度。在人脸识别方面:对原图像进行分块离散余弦变换得到频域图像,在频域提取人脸特征,截取各组离散余弦变换系数矩阵的低频部分作为观察向量,以用于对二维隐马尔可夫模型进行训练。采用二维隐马尔可夫模型作为人脸二维特征的全局相关统计模型具有精确建模的特点,实验结果显示采用该方法可获得很高的识别精度。