人脸识别技术是众多学者研究的重点和热点，广泛的应用于人工智能和安全领域。本文以实现人脸识别以及相关技术为目标，展现了人脸识别的各个过程。研究内容涉及人脸配准，人脸检测和跟踪，人脸验证和人脸识别，并主要完成了以下工作:
　　提出了基于纹理特征点的3D人脸配准。作为人脸识别研究的基础，人脸配准是人脸识别研究的必要步骤。由于传统的2D图像配准比较成熟，本文选择研究3D人脸模型的配准。本文首先利用3D人脸投影到XOY平面获得3D人脸对应的正面2D纹理图像，之后对2D纹理图像进行特征点检测，接着将特征点反投影到3D人脸模型，最后重新建立坐标系，以3D人脸特征点重建3D人脸，实现了3D人脸配准。
　　提出了结合均值权重粒子滤波器的人脸检测和跟踪算法。算法从两方面入手，一方面利用Gentle AdaBoost算法实现人脸检测系统，另一方面提出均值权重粒子滤波器(WPF)算法完成了跟踪系统，并通过人脸检测校正策略将两个系统结合使用，解决粒子滤波器高权重粒子问题以及样本退化问题，最终实现了实时人脸检测和跟踪。实验结果证明新算法检测率更高，跟踪效果更强。
　　提出了结合SIFT特征的人脸验证算法。传统的人脸验证都需要监督训练过程，且无法对训练外的人脸进行验证。本文提出的算法，无监督训练过程，在对所需验证的一对图像配准后，使用SIFT算法寻找出匹配特征点，对待匹配的2幅图像进行分块，统计各个分块中的特征点数量，获得匹配向量，最后实现人脸验证。实验证明，该方法在没有降低验证率的基础上，有效提升了算法的泛用性。
　　提出了结合分块LBP特征的素描人脸识别。传统的人脸识别研究较为成熟，因此本文研究了目前还不成熟的异质人脸识别，并将素描人脸识别作为主要研究目标。对素描图像和可见光图像配准后，进行分块处理，计算每块的LBP直方图，将LBP直方图作为待选择特征。计算素描图像子块与可见光图像子块之间的Log概率统计，利用机器学习思想进行特征提取，逐步挑选能有效识别的特征子块，并把这些优选特征子块用于未知素描人脸识别。实验证明，新算法可以有效识别素描人脸，经过优化后，可以用于刑侦。