生物特征识别技术正逐渐成为一种公认的身份认证技术。从最基本的到最完善的,存在着多种不同级别的安全技术,而生物特征识别技术将是最安全的。其中,人脸识别是我们日常生活中最常用的身份认证手段,也是当前最热门的模式识别研究课题之一。总的来说,自动人脸识别系统需要三个步骤：人脸检测与定位,特征选择与提取,人脸的识别。在此背景下,本文设计并实施了一系列针对人脸检测与识别的实验和研究,具体内容如下：首先,本文研究了国内外关于人脸检测和识别的方法,并对这些算法进行了对比和总结,在此基础上确立了本文的研究方向；其次,针对人脸检测系统训练过程的复杂冗长,本文选择研究基于少量训练样本的人脸检测问题。运用基于Fisher判别式分析的线性超平面作为分类器,采用AdaBoost算法构成多层级联分类器进行人脸检测,实验证明本算法减少训练样本却获得了更好的检测效果；最后,本文应用独立分量分析的方法提取出人脸特征,并运用最近邻分类器和支持向量机分别进行了识别,结果表明独立分量分析与支持向量机结合的识别方法效果最佳。