人脸识别技术是利用计算机分析人脸图像,提取有效的识别信息来辨别身份的一门技术,具有重要的学术价值与广阔的应用前景。本文重点研究了利用主成分分析(Principal Component Analysis , PCA)进行人脸识别的方法,主要研究工作如下:(1)提出一种基于PCA投影法的人眼定位技术,通过对人脸五官像素进行PCA而找到人脸倾斜方向并进行姿态补偿、投影,使投影法得以应用到姿态有变化的情况。(2)研究二维主成分分析(2DPCA)方法,提出一种基于局部特征自适应加权2DPCA方法。该方法采用分块来融合基于整体模板的分类方法和基于几何特征的分类方法,通过虚拟样本自适应地计算出不同特征对识别的不同贡献并加权到分类器中。此方法既简单易行,又充分利用了局部特征信息;能够容忍一定表情、光照和外貌变化,且适用于并行计算。(3)提出两种监督式2DPCA方法,一种是从欧氏距离角度分析准则函数而提出的加权2DPCA,有效地增加了类间样本的识别距离,缩小了类内样本的识别距离;一种是将样本类间协方差和样本类内相关性融入到样本总体协方差中,使求得的投影向量本身蕴含着类别特征,从而更有利于进行分类。(4)分析2DPCA,列2DPCA ,(2D)~2PCA方法的优缺点,提出一种快速(2D)~2PCA方法,改变了(2D)~2PCA列变换时求解投影方向的方法。该方法能够大幅度地减少特征提取时间和存储空间。