人脸识别是人类视觉最杰出的能力之一，它的研究涉及模式识别、图像处理、生理学，心理学、认知科学，与基于其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系。 人脸识别的过程可以分为人脸检测定位、人脸特征提取与识别两部分。在人脸检测定位部分，目前研究的方法有基于启发式模型的方法、肤色区域分割与人脸验证方法、基于统计模型的方法等；在人脸特征提取与识别部分，可以提取样本的几何特征，通过距离度量或相似度度量来判断输入图像与样本图像间的匹配程度的方法，另外也可以借助于数学变换，求取人脸图像的一些代数特征，如对图像进行奇异值分解，以奇异值代表图像的特征，或对图像进行K-L变换，以图像在构造的特征空间上的投影系数作为图像的特征，进而和各个已知人的人脸图像比较进行识别，也可以提取人脸的主元，然后用神经网络将它映射到多维空间中，再用多层感知器判别进行人脸识别等。 在人脸检测与定位中，本文采用了一种基于灰度投影曲线和边缘检测进行人眼定位的算法，首先利用原图的垂直灰度投影曲线确定人脸的左右边界。之后利用人脸区域的水平灰度投影确定头顶至鼻中部的上下边界，然后利用人脸比例模型估计人眼的大概位置，分析人眼区域的边缘图像，给出人眼的确切位置。通过人脸的先验知识确定人脸的上下边界。最后，对人脸进行标准化，包括对人脸图像进行缩放以及亮度规范化，获取人脸的标准图像。 在人脸特征提取和识别中，我们采用的是目前在人脸识别领域比较先进的主元分析法。首先，根据每个人对应一张标准人脸的原则，我们将对一个人的不同图像进行均值处理，这样每个人对应着一类，每类对应一张标准人脸。然后，根据采集的样本图像构造一个协方差矩阵，求取该矩阵的特征值，以这些矩阵特征值对应的特征向量构造一个特征空间，将输入图像向该特征空间映射，计算获取的映射系数与样本库中各类图像的映射系数的欧基里德距离，根据计算出的距离判定输入图像与样本图像间的匹配程度。试验证明，采用主元分析法进行识别能获取较高的识别率。