随着计算机和网络信息技术的发展，对快速有效的自动身份验证的要求日益迫切，已经引起了国际学术界和企业界的广泛关注。生物识别是一种根据人体自身的生理特征(如指纹、脸像、虹膜等)和行为特征(如笔迹、声音、步态等)来识别身份的技术。由于脸像作为一种高普遍性的、可非接触式采集的重要生物特征，可以应用在多种不同的安全领域，如公安刑侦、司法鉴定、访问控制、金融支付、医学应用、视觉监控和视频会议等，因此人脸识别正在成为当前人们关注和投入较大研究力量的重点。依托于计算机视觉、图像处理、模式识别和神经网络等领域的人脸自动识别技术是现今国际前沿和热点问题，有着十分重要的现实意义。 本文在分析和总结国内外近十多年来的相关研究成果和最新研究进展的基础上，针对应用上急需解决的人脸分割定位和人脸识别的方法和理论进行了系统的实验和理论研究，在视频序列人脸图像分割与识别技术方面取得了一些成果。 本文的主要研究内容集中在两个方面：视频序列中人脸图像分割方法和利用提升小波变换与学习矢量量化网络相结合的人脸识别方法。从人脸检测到人脸识别，本文力图将马尔可夫随机场理论、数学形态学、机器学习、优化理论、小波变换、神经网络等方面的成果，与计算机视觉领域对图像进行智能解译的理论结合起来，提出并实现了一系列有实际应用价值的算法。 本文在研究了马尔可夫随机场理论和数学形态学基本运算后，利用它们各自的特性，提出了将马尔可夫随机场理论与数学形态学相结合的方法，对视频序列中的运动目标进行提取，再利用区域生长方法及人脸几何特征对人脸图像进行初步分割。 采用基于高斯马尔可夫随机场模型的运动目标自动分割算法，可以将运动目标从背景中分离出来。该算法利用高斯分布描述视频序列的帧差图像的条件概率分布，使用快速EM(Expectation-Maximization)算法解决了从不完整数据中估计概率模型参数问题。在此基础上建立马尔可夫随机场模型，构造系统相应的能量函数。然后通过ICM(Iterated Condition Modes，迭代条件模型)优化算法求解能量函数的