随着社会的发展,传统的身份认证方法已不能满足人们的需要,对快速有效的自动身份验证的要求日益迫切。生物特征是人的内在属性,因此成为身份验证的最理想依据。人脸识别与其他人体生物特征识别相比,具有直接、友好、方便的特点,易于被用户接受。人脸识别技术就是利用计算机提取有效信息进行自动识别,它涉及模式识别、计算机视觉、生理学等诸多学科,一直是当前研究热点。本文的主要研究内容包括以下方面:(1)介绍人脸识别的研究背景、意义、发展与研究现状,以及存在的主要困难,并对论文研究内容作了安排。(2)将对人脸识别中主要涉及的系统构成、任务形式、主要方法、分类准则以及性能的评价等进行综述。(3)介绍了线性判别分析(LDA)人脸识别方法并且得到一些有意义的结论;并且对该方法进行了改进。(4)使用基于主成分分析的算法对图像进行特征提取。主成分分析法着眼于人脸图像整体的灰度相关性,所提取的特征向量既保留了原图像空间中的主要分类信息,降低了特征空间的维数,又能在均方误差最小的意义上重建原图像。本文采用的主成分分析法对标准算法进行了改进。(5)采用三层的BP神经网络分类器来实现人脸特征的分类,即人脸的识别。把PCA,LDA及BP网络结合起来,充分发挥三者各自得优点,实验结果表明,这种方法得识别性能比仅用其中任何一种方法都有很大得提高。