在众多生物特征中，人脸因为包含如性别、身份、种族、年龄等重要信息，而成为一直以来研究的热点。利用生物特征来进行识别的技术，是指通过可靠的分析手段和有效的分类方法，将人的某些行为特征和生理特征结合起来行识别的过程，它具有唯一性，并且具有防伪性严格和稳定性好等主要特点。利用计算机来自动分辨人类性别，近年来已发展成为计算机视觉领域研究的一个非常重要的课题。人脸性别识别是基于人脸身份识别开展起来的，所以人脸身份识别的长期研究，大大促进了人脸性别识别的发展。通常情况下，基于人脸特征的性别识别系统分为人脸检测与图像预处理，人脸特征提取和分类器设计三个部分。本文针对系统划分的这三个部分展开详细研究，并对各种方案的识别性能进行了比较分析。主要工作如下：(1).概述了人脸性别识别研究的历史和当前的研究现状。通过阅读文献，特别是对最新文献提出的新的方法，做了大量综述性的工作。本文重点对目前主流的基于人脸性别识别的各种方法进行了概括，包括对人脸性别识别中特征提取方法和分类方法的研究现状分别进行了归类总结。(2).研究了基于AdaBoost算法的人脸检测方法和图像预处理。人脸检测的目的是从一幅自然获得的图像中提取出人脸区域。为了获得有效图像，通过对检测出人脸区域图像进行图像预处理，用于下一步的特征提取和分类器设计。文中对当前存在的主要人脸检测方法进行了概述和分类，主要讨论了AdaBoost算法理论，将AdaBoost算法应用于人脸子区域检测，并展示了单人脸与多人脸检测及脸部子区域检测的效果。此外，介绍了常用的图像预处理方法，并展示了处理后的效果。(3).阐述了基于主动形状模型(ASM)的特征点定位方法。介绍了主动形状模型的建立及搜索方法。对手动标定特征点的方法进行了改进，完成了自动标定特征点的工作。对通过ASM获得的人脸的子区域轮廓，采用一定规则的关键点确定方法，得到人脸子区域图像的关键特征点。然后根据关键特征点，进行几何特征的提取。(4).研究了基于Gabor变换的人脸子区域特征提取的方法。简单介绍了一维和二维Gabor变换的定义，给出了Gabor滤波器的参数选择原理，重点论述了基于Gabor局部变换的人脸特征提取方法。(5).阐述了支持向量机SVM分类方法。支持向量机理论以结构风险最小化理论为依托，对于性别这样的两类分类问题，支持向量机SVM表现出了许多特有的优势。在相同的训练样本与测试样本的条件下，比较了采用三种核函数的识别准确率，最终选用径向基函数作为本文中支持向量机的核函数。采用LIBSVM算法对几何特征及Gabor子区域特征进行训练和识别。(6).将几何特征的分类结果和Gabor局部变换的子区域特征的分类结果进行了融合。采用min max方法将原始数据规范化来作为分类器的输入数据。采用决策级融合的策略，对简单多数投票方法进行了改进，提出了加权多数投票的方法，以提高识别的准确性。