论文首先就人脸检测与人脸识别领域的研究现状进行了综合论述,对各种方法的理论依据和实现方式做了较详细的介绍,并指出了当前人脸检测与人脸识别领域的研究重点与难点,为我们的进一步的研究工作明确了方向.论文研究了如何只利用图像的灰度信息,对处于复杂背景下的多姿态人脸进行快速、有效的检测问题.由于背景的复杂性、人脸模式的多态性,使得对该问题的解决具有一定的难度,从而使其成为该论文的研究重点.我们在对眼睛部件的灰度特性进行深入分析的基础上,提出了一种自下而上,由粗到细的人脸检测算法.其通过对图像进行预处理(似眼物检测),不但缩小了人脸检测的搜索空间,而且将复杂背景下多姿态多人脸检测问题,简化为在候选区域内、已知大致的人脸尺度情况下的正面端正单人脸检测问题,并结合多模板匹配与规则验证完成人脸区域的最后确定.实验表明该方法是行之有效的.论文研究了在彩色图像中,如何利用肤色信息完成对人脸进行快速的检测问题.我们提出了一种建立在对归一化RGB颜色空间的r-g平面和YIQ颜色空间的Q-I平面上肤色区域的矩形和三角形近似基础上的,利用经验阈值进行快速肤色检测的方法,并给出了该方法和基于灰度信息的人脸检测方法相结合的彩色图像快速人脸检测算法.实验表明,与单纯的利用灰度信息的人脸检测方法相比,基于肤色信息的人脸检测方法具有较快的检测速度、较高的检测成功率与较低的虚警率.论文的最后对我们实现的基于仿生模式识别的人脸识别、人脸确认系统进行了较为详细的介绍,并将人脸识别的效果同最近邻法、不同核函数的SVM进行了分析对比.以ORL人脸库为识别对象,针对有"拒识"的情况下,通过改变不同识别算法的可调参数,在保证参与训练人的正确识别率在大致相同水平的条件下,分析了参与训练人的错误识别率(错识别为参与训练的其他人)与未参与训练人的错误接受率(错识别为参与训练的某人)的优劣.实验结果表明,基于仿生模式识别的方法具有较高的安全性,明显优于其它模式识别方法,具有一定的实际应用价值.