人臉識別是近年來模式識別 、 圖像處理、 機器視覺、 神經網絡以及認知科學等領域研究的熱點課題之一． 所謂人臉識別 ， 是指給定一個場景的靜態圖像或動態視頻 ， 利用存儲有若干 已知身份的人臉 圖像的數據庫驗證和鑒別場景 中單 個或者 多個人 的身份 ． 人臉識 別按 照人 臉信 息 的來 源可 以分 為兩 類口 ： 基于靜態人臉圖像 的識別 和基于包含人臉的動態視頻信息的識別． 因為動態視頻信息并不能明顯提高人臉識別 的性能l2]， 因此本文只研究基于靜態人臉圖像 的識別．

    作為生物特征識別的一個重要方面， 人臉識別在檔案管理系統 、 安全驗證系統 、 信用卡驗證、 公安系統的罪犯身份識別 、 銀行和海關 的監控 、 人機交互等領域具有廣闊的應用前景． 與指紋識別、 視網膜識別、 虹膜識別等技術相 比， 人臉識別技術在數據采集

方面手續比較簡單 ， 使用者更容易接受． 人臉作為生物特征， 雖然唯一性 比指紋和虹膜要差(基于人臉的識別系統識別率的上限是由同卵雙胞胎的出生率決定的[3 )， 在高安全性要求的系統中只能作為輔助手段． 然而， 對于一般安全性要求 的身份驗證和鑒別系統 ， 人臉識別技術已經足夠應用了．

    雖然人類在嬰幼JLn~ 期已經具有了識別人臉的能力， 但建造一個 自動、 高識別率的計算機人臉識別系統并非易事 ， 有許多困難仍然沒有得到解決． 這些困難主要表現在： 人臉是 一個三維非 剛性 物體， 表情 、 姿態 、 光源的不同使得 同一個人 的圖像千變萬化 ； 人臉會隨著年齡的增長而變化 ； 眼鏡 、 發型、 胡須等對人臉圖像存在影 響． 由美 國國防部組織 的 F E—R E T 測試l4 表明， 當光照條件和人臉姿態發生變化后(例如人臉在深度方 向發生偏轉 )， 人臉識別系統的識別率會出現嚴重的下降．

    人臉識別研究在二十世紀六七十年代引起了諸多學科領域研究者的濃厚興趣． 進入九十年代后 ， 隨著各行業對人臉識別系統 的迫切需求， 人臉識別研究再次成為熱門課題． 當前世界各 國有許 多研究機構在從事這方面的研究， 這些研究受到軍方、 警方以及大公司的高度重視 和資助 ， 美 國軍方還專 門組織了人臉識別競賽以促進人臉識別研究的發展[2]． 經過三十多年的研究， 人臉識別 已經成為圖像分析與圖像理解領域最成 功的應用之一． 研究人員提 出了很多識別方法， 建成了一些實驗系統 ， 也有一些成功的人臉識別商業軟件投入市場 ， 例如 B i olD 公 司的產品． IE EE 組織 了專門的人臉和手勢識 別的 國際會議 IE E E International C onference on A utom aticFace and G esture R ecogniti on． 國際模式識 別聯合會 (International A ssociation for Pattern R ecogni—ti on，IA P R )也組織 了專 門的基于生 物特征 的人類身份識別和驗證的國際會議 (A U D IO and V ID E O —B A S E D B IO M E T R IC P E R S o N A U T H E N T IC A —T IO N ，A V B P A )．

    人臉識別作為模式識別的一種 ， 一般可以分為三個組成部分： 從場景 中檢測并分割人臉 ； 抽取人臉特征 ； 匹配和識別人臉． 由于人臉檢測已經發展成為一個獨立的課題 ， 具有特定的思想和方法 ， 所以本文假定人臉 已經被正確檢測并從場景 中分割出來 ， 關于人臉檢測方面的綜述性文章請參考文獻r -s]． 又因為需抽取的人臉特征與特定的識別算法有關 ， 因此本文沒有專門論述特征抽取算法 ， 而是在論 述識別方法的同時介紹與之相關的特征抽取方法．