人脸识别是模式识别研究领域的重要课题，也是目前一个十分活跃的研究方向。人脸识别技术是以计算机为辅助手段，从静态或动态的图像中识别人脸。虽然人类从复杂的背景中识别出人脸相当容易，但对于计算机来说，人脸自动识别确是一个十分困难的问题。虽然目前提出的人脸识别方法很多，也有不少关于人脸识别方面的文章，但主要是基于传统模式识别理论的方法，由于传统模式识别理论是基于统计方法的，导致这种识别方法在进一步提高识别率方面存在不足。近年来王守觉院士提出了基于人们认识本质方式的仿生模式识别理论，并用于实际，取得了很好的效果。　　 由于人脸图像特征提取的好坏直接关系到人脸建模，最终影响到人脸识别率的高低，所以如何提取出既有表达能力又有辨别能力的特征是人脸识别的关键。又由于同类人脸图像在高维空间中的分布呈现连续性的特点，符合仿生模式识别的同源连续性原理，所以仿生模式模式识别可以用于人脸识别，为识别过程提高人脸识别率提供理论依据。　　 本文针对基于PCA与LDA变换的传统人脸识别方法识别率低但特征提取过程中维数低和基于K-L变换的仿生人脸识别方法识别率高但在特征提取过程中维数过高的问题，将两者的优点相结合：在特征提取过程用PCA与LDA方法提取出既有表达能力又有辨别能力的人脸特征，在识别阶段用仿生模式识别方法进行人脸识别，提出了一种基于PCA与LDA变换的仿生人脸识别新方法。分别用PCA与LDA变换对训练人脸样本进行特征提取，然后组合PCA与LDA空间得到最优变换子空间，用这个子空间作为变换空间进行人脸特征提取，把提取的人脸特征映射到高维空间，并用ψ3神经元进行几何形体覆盖，得到各类人脸的覆盖区域；把待识别人脸特征映射到高维空间，通过判断其在各覆盖区域的归属情况来识别人脸，如果它落在哪类人脸覆盖区域内，则就属于此类人脸，否则拒识它，则不属于任何一类人脸。本文提出的人脸识别方法是一次大胆尝试，实验收到了预期的效果，证明了此方法的可行性。