人脸识别技术在过去的几十年里飞速发展，成为了一项在多个领域得到应用的热门技术[1-2]。人们逐渐对人脸图像的机器识别投入了很大的热情。人脸识别是模式识别和图像处理学科的一个共同研究热点[3]。人脸技术可以人脸明暗侦测，并且自动调整动态曝光补偿，同时对人脸追踪侦测，并自动调整影像放大[4]；这项技术属于生物特征识别技术的一种，是利用生物体（一般指人）本身的生物特征从而达到区分生物体个体的目的[5-6]。

人脸识别技术目前主要应用于身份识别，由于视频监控的飞速普及，使这项应用迫切的需要一种能实现在用户非配合状态下、远距离的进行快速身份识别的技术，以求能在远距离之下快速识别人员身份，从而实现智能预警提高安全性的功能，而实现智能预警的最佳选择无疑是人脸识别技术。采用快速人脸检测识别技术可以从视频监控图象中实时捕获人脸信息，并与人脸数据库中的已存信息进行实时比对，从而达到快速身份识别的效果[7-8]。人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处[9]。

目前，人脸识别技术已经广泛应用于军队、政府、社会福利保障等各个领域。研究人脸识别的目的在于更好的服务于人类社会，同时在现实意义上有以下两点：一是能进一步加强人类视觉系统本身的认知，二是能够满足人类社会中对人工智能应用的广泛利用。同时人脸识别技术有自然性、五侵犯性、成本低、智能化等显著优势，对于人脸识别技术的研究也同时具有很大的学术和现实价值。如同人的指纹一样，人脸具有具有唯一性，现在已有实用的计算机自动指纹识别技术面世，并得到了广泛的运用，但是成熟的人脸识别技术仍然在发展的道路上。人脸识别技术具有取样方便的优势，可以不直接接触目标直接进行。同时由于人类是一个复杂的个体，各种细节等附属物干扰给人脸识别技术的成熟带来的巨大的挑战，构建出成功的人脸识别技术为解决干扰问题或与之类似的复杂问题提供了重要的启示。

进入21世纪以来国内外学者对于人脸识别技术的研究力度持续加大并且取得了一定的突破。在国外主要集中在欧美、日本等著名的科研机构有MIT和CMU、英国剑桥大学。在国际上，人脸识别领域有基于几何特征的方法、基于肤色模型的方法、基于隐马尔科夫模型的方法和神经网络的识别的方法等等。国际上有学者基于Harr特征和Adaboost 算法进行人脸检测取得进展之后，基于Harr特征的人脸检测方法一度备受推崇。在国内，最早研究人脸识别技术的来自中科院计算所和哈工大的联合面相实验室。1999年赖剑煌,阮邦志,冯国灿等人提出了一种基于小波变换和Fourier变换的人像识别新方法[10]。2007年张向东,李波等人提出了基于Gabor小波变换和PCA的人脸识别方法并且为其他学者的研究提供了进一步的参考依据[11]。钱程（2017）基于深度学习，构建深层网络结构和相应的训练方法，利用复杂函数逼近获得本质的鲁棒的图像特征，有效提高来了后续的分类和识别[17]。总的来说国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像条件要求较苛刻，应用范围也就较窄，国内也有许多科研机构从事这方而的研究，并己取得许多成果[12]。

本文主要是在这些研究的基础上，利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统[13-14]，将该系统作为图像预处理模块嵌入在人脸识别系统中，并且根据灰度图像的直方图对比来实现人脸识别的功能[15-17]。

2. 研究的基本内容与方案

1) 本设计研究的基本内容包括：

a) 人脸识别系统框架构建

人类似乎具有“与生俱来”的人脸识别能力，赋予计算机同样的能力是人类的梦想之一，这就是所谓的“人脸识别”系统。假设我们把照相机、摄像头、扫描仪等看作计算机的“眼睛”，数字图像可以看作计算机观察到的“影像”，那么AFR赋予计算机根据其所“看到”的人脸图片来判断人物身份的能力。

b) 图像类型的转换