人脸识别是模式识别、图像处理等学科的一大研究热点，是利用计算机分析人脸图像，从而提取出有效的识别信息，用来辨认身份的一门技术。可以广泛地应用到安全部门、电视会议、身份鉴别、数字监控等领域。人脸识别是一项极具有发展潜力的生物特征识别技术，研究人脸识别技术具有十分重要的理论和应用价值。 人脸识别主要有三部分过程构成：数据预处理、特征提取和分类，本文主要从以下四个方面研究了人脸识别的特征提取和分类器设计。 第一，首先研究并实现了四种典型的人脸特征提取方法：主成份分析方法(PCA)、Fisher脸方法，独立成份分析方法(ICA)，Gabor小波方法，分别对它们进行了分析和仿真验证。在仿真过程中发现Gabor小波函数的优点是可以得到不同尺度和方向的细节信息，从而能有效地提取人脸特征，而ICA的优点是可以降低冗余性，得到独立的特征。由此本文又研究并实现了结合两者的独立Gabor属性(IGF)特征提取方法，即通过ICA提取Gabor系数构成独立Gabor特征，并把该特征与Fisher降维的Gabor特征进行分析与实验比较。 第二，在分类器设计方面，研究并实现了K-近邻(K-NN)分类方法，由于K-近邻方法只是基于一种测度的方法，故本文在以距离为测度的基础上引入以角度作为测度的二次分类构成组合近邻分类器，分别与传统K-近邻分类方法和最近邻分类方法进行分析和仿真实验比较，并讨论其优缺点。 第三，为了反映Gabor小波不同尺度信息在识别中的重要性，本文通过最佳平方逼近原理求取Gabor小波不同尺度特征权值实现加权小波，并将加权Gabor和Gabor小波提取的特征分别通过支持向量机(SVM)分类器进行分析和比较。 第四，本文将二维微分高斯滤波器组应用于人脸特征提取，从而可以得到基于图像不同尺度和不同阶数微分的特征。并利用最近邻分类器分类得到较好的识别效果。 经一定的实验仿真证明上述算法的有效性。