人脸识别是模式识别领域中一个富有挑战性的课题，有着重要的理论研究价值和应用价值。 本文首先介绍了国内外人脸识别的研究现状、方法和发展方向，然后分别讨论了人脸图像的预处理、人脸特征的抽取和分类器设计等内容。 在图像预处理过程中，首先利用数码相机获取人脸数字图像，然后将24位图像转换成256级灰度图像，并利用中值滤波的方法对图像进行去噪处理，接着对图像进行二值化处理，最后采用积分投影的方法将人脸分割出来并进行归一化，最终得到标准人脸图像。 在人脸特征提取过程中，对经过预处理的标准人脸图像，以类间散布矩阵为产生矩阵，通过K-L变换降维并结合奇异值分解来提取人脸代数特征。 在分类器设计过程中，考虑到单一分类器的识别率不是很高，本文将最小距离分类器与模糊神经网络分类器结合起来构成一个组合分类器，以期提高人脸识别率。 最后，本文给出了人脸识别实验结果，并对实验结果进行了分析。实验结果表明，本文所提取的人脸特征是有效的，分类器的设计也是合理而高效的。