人脸识别是计算机视觉、模式识别和图像处理研究的重要内容和热门课题,是身份辨别的理想依据和最自然直接的手段。本文深入分析了人脸识别的生理学本质和实现的难点,并在科学分类的基础上对主要人脸识别方法的构造原则、应用特点和存在问题进行了较为详细地介绍和讨论。在此基础上,提出了一些新的方法,具体如下:1.将核主成分分析方法引入人脸识别,利用基于核主成分向量分类的非线性特性,实现对人脸的非线性分类。这种方法能够在获得较高1次匹配正确率和前10次匹配正确率的同时,表现出极强的区分库与非库人脸的能力。2.以人脸图像的核主成分向量代替主成分向量作为独立分量分析算法的输入数据,使基于独立分量分析的人脸识别方法的正确识别率、1次匹配正确率和前10次匹配正确率均显著提高。3.独创性地提出独立多维分量分析理论,并基于高斯核函数构造了实现独立多维分量分析的算法。独立多维分量分析理论是独立分量分析理论的延伸和一般化扩展。应用独立多维分量分析于人脸识别,获得了很高的1次匹配正确率和前10次匹配正确率。4.提出并验证了基于核主成分分析区分库与非库人脸、基于独立多维分量分析进行有效匹配的人脸识别方法是解决人脸识别问题的一个可能途径。