人脸识别是当前计算机视觉与模式识别领域的研究热点之一，在个人身份识别、人机交互、智能监控和图像库检索等广泛的领域中具有重要的应用价值。虽然人脸识别问题从提出到现在已经经过了三十多年的历程，国际上也有了许多商业化的应用软件，但是由于受到光照、姿态和年龄等因素的影响，使人脸识别成为一个极具挑战性的模式分类问题，具有十分重要的学术价值。 本文研究的是自动人脸识别系统中的人脸定位与识别算法。 人脸特征点自动定位是鲁棒实用的人脸识别系统的基础。本文对活动形状模型(ASM)算法进行了改进，提出了结合Gabor小波特征局部定位和鲁棒估计的鲁棒定位算法。该算法能够自动获得训练样本，对输入人脸图像进行鲁棒定位。通过实验比较，验证了本文算法的有效性. 在实用的人脸识别系统中，往往需要在视频中跟踪人脸并判断姿态，作为截取图像进行识别的依据。本文实现了一个视频驱动的人脸动画系统。首先采用活动表象模型(AAM)算法跟踪人脸特征点，利用从运动到形状的技术恢复人脸的三维形状和姿态。继而提取MPEG-4人脸动画参数驱动一个三维人头模型获得三维表情动画。 在人脸识别算法部分，本文采用Gabor特征作为人脸图像的表示，采用经典的子空间判别方法(FisherFace)对Gabor特征进行降维，最后采用AdaBoost分类器进行分类。针对AdaBoost只能进行二元分类的问题，本文采用成对训练/识别的方法获得了较好的结果。 在FERET人脸库和CAS-PEAL库上的实验表明，本文的算法普遍比FisherFace方法要好，并且在光照、表情等情况下准确性比FisherFace有显著的提高。