Promocijas darba ietvaros tika izstrādātā automātiska sejas atpazīšanas sistēma, kas balstās uz transformācijas „Lokālie Binārie Tēli” (LBT) paplašinājumiem. Sistēma sastāv no trim posmiem: sejas detektēšanā, sejas centrēšana un sejas atpazīšana. Sejas detektēšana ļauj noteikt sejas esamību ieejas attēlā un atgriež sejas reģiona pozīciju un izmēru. Sejas detektors ļauj noteikt aptuvenu informāciju par objektu, tāpēc tika ieviests otrais posms – sejas centrēšana. Šīs modulis precizē sejas parametrus, balstoties uz atskaites punktiem, par kuriem šajā gadījumā tika izvēlētas acu zīlītes. Pēdējais posms ir sejas atpazīšana, kas darbojas identifikācijas režīmā un ļauj noteikt personas identitāti, salīdzinot seju ar datubāzē esošiem paraugiem, vai noraidīt identifikācijas mēģinājumu. Darba ietvaros sasniegtie rezultāti īsumā ir sekojoši: 1) tika izstrādāts inovatīvs objektu (sejas, acu) detektors, kas balstās uz LBT histogrammu kombināciju ar vienkāršiem klasifikatoriem, tādiem kā Mākslīgais Neironu Tīkls (MNT) un Atbalsta Vektoru Mašīnas (AVM); 2) precīzs sejas identifikācijas algoritms, kas sastāv no vairākiem priekšapstrādes posmiem, modificētām Dažāda Mēroga LBT histogrammām un Svērta Tuvāko Kaimiņu Klasifikatora (STKK); 3) efektīvs parametru svēršanas algoritms, kas papildina STKK klasifikatoru ar apmācības procesā iegūtu statistisko informāciju par klasēm; 4) pilnībā automātiska sejas atpazīšanas sistēma ir realizēta TMS320C6416 signālprocesorā. Promocijas darba pirmā nodaļa ir veltīta sejas detektēšanas problēmai. Tika piedāvāts inovatīvs sejas detektors, kas balstās uz LBT kombināciju ar MNT vai AVM klasifikatoriem. Šīs kombinācijas priekšrocība ir elastīgums, kas ļauj rast kompromisu starp parametru telpas dimensionalitāti un klasifikatora sarežģītību. Rezultātā tiek sasniegta algoritma precizitāte, kas ir salīdzināma ar jaunākās paaudzes sejas detektoriem, saglabājot zemu parametru telpas dimensionalitāti un pielietojot vienkāršas klasifikatoru struktūras. Promocijas darba otrajā nodaļā tiek aprakstīts sejas centrēšanas uzdevums. Iepriekšminētais princips tika paplašināts arī acu detektēšanas uzdevuma pildīšanai, kas ir pirmais sejas centrēšanas algoritma modulis. Otrais modulis ir acu zīlīšu detektors, kas ir domāts augstas precizitātes centrēšanas iegūšanai. Aprakstītie eksperimenti un rezultāti skaidri parāda, ka izstrādātais algoritms precizitātes ziņā pārspēj daudzus modernus acu detektorus. Trešā nodaļa ir veltīta sejas atpazīšanas problēmai. Piedāvātais sejas atpazīšanas algoritms sastāv no vairākiem priekšapstrādes posmiem, modificētiem Dažāda Mēroga LBT histogrammām un Svērta Tuvāko Kaimiņu Klasifikatora. Kā galveno ieguldījumu atpazīšanas procesa uzlabošanā būtu jāpiemin STKK klasifikatoram izstrādāto svaru piemeklēšanas algoritmu. Izstrādātais parametru svēršanas algoritms ir stabils, ātrs, tas izmanto tikai divus apmācības piemērus katrai klasei un var tikt izmantots jebkāda veida multi-klašu klasifikācijas uzdevumiem. Promocijas darbu noslēdz informācija par DSP – balstītu automātiskas sejas atpazīšanas sistēmas realizāciju.