● 摘要
人脸识别技术作为生物特征识别领域中的一种基于生理特征的识别技术，是以通过计算机提取人脸的特征，并根据这些特征进行身份验证的技术。人脸与人体的其他生物特征(指纹、虹膜等)一样是与生俱来，它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提；同其他生物特征识别技术相比，人脸识别技术具有操作简单、隐蔽性好、结果直观的优越性。因此，人脸识别在出入口控制、信息安全、刑事侦破等领域具有广泛的应用前景。
在过去的几十年里人们积极的研究人脸识别技术，也取得了较大的发展，但是只有在约束的条件下才能达到令人满意的识别效果，然而在非约束的情况下识别效果却急剧下降。由于人脸自身及其所处环境的复杂性，如表情、姿势、图像所处环境的光照强度等条件的变化以及人脸上的遮挡物(眼镜、胡须)等，都会使人脸识别方法的鲁棒性受到很大的影响。因此，在非约束条件下的人脸识别技术还有许多实际问题亟待解决，本文提出的非约束性的人脸识别方法，与传统的人脸识别算法相比识别效果有所提高，本文实验中所采用的人脸数据库不做任何预处理。本文的主要研究成果总结如下：
1、一种改进的脉冲耦合神经网络人脸识别方法。该方法提出了一种改进脉冲耦合神经网络(M-PCNN)模型来提取人脸特征，该方法模拟生物视觉的感知过程，将人脸图像分解成由若干二值图像组成的认知序列，计算序列中的每幅二值图像的熵作为人脸特征，基于支持向量机实现分类与识别。同时也克服了标准的脉冲耦合神经网络(PCNN)模型参数过多的缺点，识别率也有所改善。理论与实验结果表明，该方法与现有的人脸特征提取方法相比，对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性。
2、基于二维Gabor脸和脉冲耦合神经网络的人脸识别。2D-Gabor小波变换能够对图像进行不同方向和不同尺度的分解，能够捕捉到图像中不同的空间频率、空间位置及方向信息，来提取局部结构信息，这些使其对于光照和人脸姿态的变化不敏感，具有一定的鲁棒性。该算法首先使用2D-Gabor小波变换对人脸图像进行分解得到2D-Gabor脸，然后再对其进行PCNN提取人脸特征，最后使用支持向量机实现分类识别。实验结果表明，与其它人脸识别算法相比，证明了该算法的有效性，由于二维Gabor小波对亮度依赖较小，对光照条件的改变不敏感，所以在不同光照的条件下结果有明显的提高。
3、基于NSCT和M-PCNN的人脸识别方法。提出了一种基于非下采样contourlet变换(NSCT)与改进脉冲耦合神经网络(M-PCNN)的人脸特征提取方法。该方法首先利用非下采样contourlet变换对输入图像进行多尺度分解和多方向稀疏分解，准确捕获图像中的高维奇异信息，然后利用改进脉冲耦合神经网络模型提取各子带的信息熵作为人脸特征，最后使用支持向量机实现分类与识别。理论与实验结果表明，该方法与现有的人脸特征提取方法相比，能够有效的适应光照和姿态等方面的变化，提高了人脸识别在非约束条件下的识别精度。