● 摘要
随着当今计算机技术、自动控制技术等科学技术的飞速发展，计算机视觉应运而生，与其相关的模式识别、机器学习、计算智能等算法也很快的发展起来，视觉化、智能化技术的应用领域也越来越广。其中，能让计算机按照人的思维方式对特定对象进行检测及识别的研究已经成为计算机视觉领域的一个重要研究方向，各种人体检测算法、人脸识别算法都取得了很好地研究效果，但是在应用于实际，一些高性能的方法还远远未能满足人们的需要。本文从实际应用出发，针对目前一些算法的研究提出了自己的创新方案，主要从人体检测反例挖掘和局部二值模型（Local Binary Pattern ,简称LBP）人脸识别预处理算法两方面进行研究。并在主流的人体和人脸库上进行验证，得到了良好的结果，本论文的主要研究内容概括如下：
1)研究基于方向梯度直方图( Histogram of Oriented Gradient，简称HOG)特征表示的行人检测方法，通过深入学习数学统计学及挖掘理论、算法及应用。提出行人检测反例挖掘算法并对其进行证明。
2)研究基于LBP的人脸识别方法，及LBP各种演变表示方法，并通过学习稀疏表示(Sparse Reprsentation Classification，简称SRC)的人脸识别方法，提出分块投票的稀疏表示(B-SRC)和核处理的快投票的稀疏表示(KB-SRC)的人脸识别方法，并在人脸数据库上进行验证。
3）提出类视网膜图像预处理算法。主要是结合生物学、物理学、化学方面的知识，将生物视网膜分子间的信号传输用物理学电路模型表示，并通过电路输入与输出之间响应的表示方程解出相应的输出信号。简化其模型得到了类似马氏方程的输入输出形式，并将其应用到人脸识别的预处理中，得到了很好的识别率。
4）利用鲁棒的稀疏和低秩分解的图像对齐算法（Robust Alignment by Sparse and Low-rank Decomposition，简称RASLD）对图像进行批对齐处理，并在多个数据集上验证其对识别的影响。