现代社会当中,计算机技术飞速发展,尤其是互联网正在发挥着越来越重要的作用,各种信息都有暴露在网上的可能,因此,如何保证人们在使用计算机和上网过程中的信息安全则越来越被人们重视。人脸识别,作为新兴并逐渐发展的技术,具有识别方式比较直观,身份识别比较可靠,识别过程足够隐蔽等优点,成为现代计算机信息安全领域的热门研究对象。本论文研究是以粒子群优化算法(PSO)和线性判别分析算法(LDA)为基础,设计新的人脸识别系统,主要包括以下工作内容:文章开始部分,阐述了人脸识别的原理,并对图像预处理的过程进行了详细的介绍。其处理过程主要包括彩色图像的灰度化、二值化等基本原理以及如何对图像实行标准化的处理、如何增强图像效果,减少外界各种因素对待识别人脸图像质量的影响等。之后,分析了在人脸识别的过程中采用LDA算法的弊端,其弊端主要体现在三个方面:(1)样本量不足产生的小样本问题;(2)处理样本数据时,由于采取同样的准则函数进行处理,出现了忽略样本本身特性的问题;(3)在求解较为复杂的协方差矩阵时,经常会出现不能得出结果的问题。为了避免上述弊端的发生,本文尝试着将PSO算法融入到LDA算法当中,以优化原有的算法,使人脸识别系统更加精确。两种算法组合后依靠PSO算法进行随机识别变量,利用LDA算法对识别出的变量进行评价,分析出最合适的变量作为人脸识别的特征信息。此外,本文也对其他能够解决上述三个缺点的算法进行了介绍。最后,对本文中采用的PSO-LDA算法在ORL人脸数据库与原有的各种算法进行了实验比较,结果证明本文采用的方法具有一定的先进性,能够较为准确的识别人脸。在此基础上,用Matlab完成人脸识别系统,并使用自建的人脸数据库进行测试,识别速度也是非常令人满意的,能够达到实时性的要求。