人脸识别(Face Recognition)是一个具有很高理论和应用价值的研究课题。人脸所反映的视觉信息在人与人的交流和交往中有着极其重要的作用。由于人脸的特殊性,使得人脸识别技术成为最具潜力的身份识别方式之一。人脸识别技术应用广泛,并且日益受到人们的广泛关注,成为模式识别领域研究的热点,同时人脸识别又是一个复杂和困难的研究课题。支持向量机(Support Vector Machine, SVM)是一种基于统计学习理论的模式识别方法,是在统计学习理论的VC维理论和结构风险最小化原则基础上发展出来的一种新的机器学习方法。支持向量机作为一种强大的机器学习理论,在多维非线性模式分类的应用中己经取得非常好的性能。隐马尔可夫模型(Hidden Markov Model, HMM)是用于描述信号统计特征的一组统计模型。HMM的基本理论由Baum和Welch等人于20世纪60年代末70年代初建立,在语音识别中应用较多。本文将SVM与HMM构成的混合模型应用于人脸识别,取得了较高的识别率。在上文工作的基础上,本文又使用带回溯的BHMM代替经典HMM来提高识别率,并用BHMM与SVM构成HBS模型。为了验证改进的优化模型的有效性和优越性,将该混合优化模型用于人脸识别。实验结果表明,本文使用的HBS混合优化模型取得了较高的识别率。