人脸识别技术就是通过计算机提取人脸的特征，并根据这些特征进行身份验证的一种技术。它融合了数字图像处理、计算机图形学、模式识别、计算机视觉、人工神经网络和生物特征技术等多个学科的理论和方法，需要研究人员具有完善的知识体系和丰富的经验。 人脸识别技术主要通过三个步骤完成，即人脸检测定位、面部特征提取和人脸对比确认识别。其中最重要的两个过程就是特征提取和识别。特征提取就是将图像的高维向量进行降维处理，降维过程中保留其主要的特征，也就是说希望用图像的少量特征来近似表示整个图像。主成分分析方法在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息一种方法。它广泛应用在许多科学和工程领域中。 识别方法的选择对于最终的识别效果影响很大。目前的分类识别方法也比较多，如人工神经网络(ANN)方法、灵活神经树(FNT)方法、支持向量机(SVM)方法、模糊系统(FS)方法，Bayesian方法等，它们有着各自的优点和缺点。在神经网络的研究课题中，最重要的一个问题是怎样选择合适的神经网络结构以及相关参数。神经网络的权值和阈值等参数可以用许多方法学习得到，如误差反向传播算法，遗传算法，进化编程和随机搜索算法等。本文研究的神经树就是一种网络结构和相关参数自动优化的神经网络系统，这是由于它是采用树结构编码的，一些基于树结构编码的优化算法，如遗传编程、蚂蚁编程和概率递增编程等，可被用来优化神经树的结构，而再结合一些参数优化算法就可以实现结构和参数的自动优化。 本文系统地介绍了主成分分析及相关改进算法、神经网络和神经树的基本理论、构成和实现方法，总结了主成分分析方法和神经网络结构的发展。在前人研究的基础上，提出了基于主成分分析与神经树结合识别人脸的实现方法。具体内容如下: (1)对主成分分析的基本理论进行了详细地论述。首先概述了主成分分析的特点和发展历史，着重介绍了主成分分析的基本思想和人脸识别中的应用情况，然后介绍了目前的一些改进算法，如线性判别式分析方法、核主成分分析方法、二维主成分分析方法、分块主成分分析方法等，最后概括了这些方法的基本理论和应用方法。 (2)对神经网络和神经树的基本理论进行了详细的综述。概述了神经网络的特点、产生和发展历史，介绍了神经网络的基本思想、研究领域和应用发展情况，然后从理论和应用研究上综述神经网络的研究现状，总结了神经网络设计中的难点问题。研究了神经树的特点和实现方法。介绍了采用遗传编程的参数优化算法--粒子群优化算法，阐述了建立神经树模型的方法。 (3)将主成分分析和神经树模型应用于人脸识别领域。在国际通用的人脸图像库ORL和Yale数据库上实验的结果都表明基于主成分分析和神经树的人脸识别比其他方法的实验结果更具有效性和可靠性。