人脸分析是生物特征鉴别技术的一个重要方向，与其他生物特征如虹膜、指纹相比。人脸具有主动性、非侵犯性等优点，因而受到研究者的广泛关注。人脸分析包括人脸检测、人脸器官定位、人脸识别和认证、人脸跟踪和人脸配准等主要研究方向。本文主要针对人脸检测和人脸识别中的若干问题进行了深入的研究，其中涉及到人脸检测模型的建立、人脸局部特征的抽取、Gabor人脸识别算法中的不同尺度和方向下的特征的选择问题、基于多级相似度的人脸识别算法、人脸素描图的重建和基于人脸素描图的识别等内容。本文的主要的工作和贡献有：　　 (1)结合人脸的皮肤色模型，提出了一种基于支持向量机的彩色图像人脸检测算法，旨在削弱人脸检测算法对负样本的依赖性。　　 (2)提出了一种基于局部描述子的人脸检测算法，即改进的局部二进制模式(Improved Local Binary Pattern)。该算法的特点有：(1)它是光照鲁棒的，在光照条件较差的情况下也能获得较好的人脸检测效果：(2)计算代价小，不仅使得训练步骤的时间大大缩短，而且可以做到在320*240大小的图像上进行实时检测。　　 (3)针对不同尺度和方向的Gabor特征的不同特点以及对人脸识别性能的贡献不同，本文提出了两种新的基于Gabor特征的人脸识别方法，即：(1)分别用子空间方法对不同尺度和方向的Gabor特征进行分析，然后采用Boosting学习进行融合。(2)对不同尺度和方向的Gabor特征进行核特征描述，结合基于矩阵的核判别分析学习用于识别的判别特征。实验证明了两种方法的有效性。　　 (4)提出了一种非线性的人脸素描图的合成和识别算法。受局部线性内嵌(LLE-Locally Linear Embedding)思想的启发，本文提出了一个基于局部几何保持的人脸素描图合成方法。针对画家画素描图时带来的局部微小扭曲以及伪素描图中的局部模糊特性，本文采用了基于核判别分析的素描图识别算法。　　 (5)开发了一个人脸认证的原型系统平台。本文参与的主要工作包括开发用于大数据库的人脸检测分布式训练系统，人脸检测算法的选择，人眼定位算法以及部分人脸识别的工作。　　 本文提出的人脸检测和识别算法可以用来建立一个人脸分析系统。