自上个世纪六十年代末以来,利用计算机从人脸图像中获取有效人脸特征,并利用该特征实现对象身份认证与识别即自动人脸识别技术逐渐发展起来。作为人工智能、模式识别等领域的一项重要应用,它吸引力了众多科研者的目光。由于科研者的不断努力与创新以及图像采集的方便快捷,该技术逐渐成熟并被应用到人们的现实生活中,例如银行卡身份校验、公司的考勤、机场等区域的安检等。实际应用表明,深入研究人脸识别技术仍然具有非常重要的价值和意义。在比较理想的条件下,目前主流人脸识别算法的实验结果都比较不错。然而,在实际应用中,由于不断变化的外界环境(例如光照)以及被识别者自身因素(例如表情、姿态、饰物遮挡等)的影响,人脸识别系统的稳定性受到了非常大的挑战,因此,这就要求科研者针对这些影响因素研究出一种更加稳定高效快速的人脸识别算法。基于上述目的,本文提出了一种多特征加权集成的人脸识别算法。首先对包含诸多影响因素的人脸图像进行多种特征提取并分别构造分类器,然后利用加权求和的方法将多种特征分类器集成为一个整体分类器进行人脸识别。本文所做的主要工作有以下两点:一、提出了一种基于FisherFace和SIFT特征加权集成的人脸识别算法。首先利用Fisher线性鉴别分析提取人脸图像的FisherFace全局特征;然后提取人脸图像的SIFT特征点,并采用K-Means算法对其进行聚类构造局部特征;最后在相似度层面上采用加权求和的方法将FisherFace全局特征和SIFT局部特征进行集成构造整体分类器,利用整体分类器进行人脸识别,其中各特征的权重是基于概率统计的方法确定的。二、提出了一种多特征加权集成的人脸识别算法。针对第一种算法对具有姿态变化的人脸图像鲁棒性较差的问题,首先利用仿射变换方法对其进行姿态矫正;然后在第一种算法的基础上再提取图像的Gabor纹理特征;最后采用加权求和的方法对FisherFace全局特征、SIFT局部特征和Gabor纹理特征分别赋予权值构建一个整体分类器来提高人脸识别准确率。针对上述两种算法,本文在CAS-PEAL人脸数据库上进行了对比实验。实验结果表明,第一种算法针对含有表情、光照以及遮挡因素的正面人脸图像具有较好的识别性能,第二种算法对姿态变化的人脸图像的识别率有了一定的增加。因此,本文所做的工作对人脸识别的发展具有一定的意义。