随着信息技术的飞速发展及人们安全意识的不断提高，传统的身份识别方法容易被窃取和泄露，已经不足以满足社会的需求。生物特征识别已经逐渐成为当今炙手可热的研究领域。生物特征识别技术主要是运用计算机视觉、图形图像处理、模式识别等技术来提取和描述人类的生理特征或行为特征，从而对个人的身份进行验证。在多种多样的生物识别技术中，人脸识别方式更自然，更直观，而且具有非接触性、非强制性、并发性和简便性等特点，因此吸引了众多研究者对其进行研究，是当今社会研究和应用的热点方向。人脸识别技术的研究起始于60年代末期，经过了三个阶段的发展，在各国学者的共同努力下，形成了较为成熟的技术，并在国家安全、证件核实、信息安全、人事考勤等许多领域都得到了广泛应用。OpenCV是一个开源跨平台的计算机视觉库，实现了图像处理和计算机视觉方面的很多通用算法。它可以直接应用于很多领域，其中包括物体识别，图像分区，人脸识别，运动跟踪，运动分析等等，还可以作为一个二次开发的理想工具，来实现人脸识别的主要算法。MFC是一个微软公司提供的类库，以C++类的形式封装了Windows API，并且包含了一个应用程序的框架，进而减少了开发人员在编程时的工作量。它可以通过面向对象的方法来调用WindowsAPI，还可以便捷的实现应用程序的开发，因此本文使用MFC来实现人脸识别系统的框架。目前人脸识别的算法主要有三种：第一种是基于PCA的Eigenface方法，它的基本思想是通过K-L变换对图像进行投影降维，找到图像的主要成分来对人脸进行描述及比对；第二种是基于LDA的FisherFace方法，它的主要思想是将高维的样本投影到最佳判别向量空间，从而能够有效的提取分类信息、压缩特征空间的维数，在新的子空间形成投影后，类间距离达到了最大和类内距离达到了最小，从而达到最佳的可分离性；第三种是基于局部特征提取的LBP方法，它的主要思想是对图像中的像素点和该点周围像素点进行对比，然后根据对比结果进行求和。本文对三种人脸识别算法进行了研究，运用OpenCV实现了三种算法中计算效率较高的LBP算法进行人脸识别。然后运用Visual Studio2010搭建了基于OpenCV的人脸识别系统，用MFC设计了用户界面，实现了人脸模型训练功能、读入待识别图像功能、提取待识别图像功能、识别人脸功能四种功能。本文还运用ORL人脸数据库对系统进行了训练和测试，识别效率高、结果准确。同时，本文对系统的各个模块和整体流程也进行了测试，测试结果良好，实现了完整的基于OpenCV的人脸识别系统。