人脸识别是一项富有理论和应用价值的研究课题,对它的研究还相当不成熟。本文回顾了人脸识别的研究历史和发展现状,讨论了人脸识别中的特征提取与选择的基本原理,然后按照线性和非线性两种特征提取方法着重对其展开了论述。在线性特征提取中,主分量分析(PCA)是基于数据描述的人脸识别方法,它是在最小方差意义下的最优变换。线性判别分析(LDA)是基于数据分类的人脸识别方法,它寻找使类间距离最大、类内距离最小的投影方向,最大的保留了原样本的判别信息。实验对上述两种线性特征提取方法进行了对比,发现在训练样本数较少时PCA方法与LDA方法相比可以具有比较好的人脸识别性能,并解释了这种现象。研究了人脸识别中的非线性特征提取方法,提出了一种改进的基于KPCA-ICA特征提取的人脸识别方法,核主分量分析(KPCA)是PCA的非线性推广,它能够提取人脸图像的非线性信息,独立分量分析(ICA)是基于数据高阶统计的,它可以提取人脸图像像素的高阶统计信息,并对图像的局部进行编码,本文将这两种方法结合进行特征提取。实验结果表明所提出的改进方法具有良好的识别性能。