人脸识别技术就是利用计算机分析人脸图像,提取有效的识别信息来辨认身份或者判别待定状态的一门技术。它结合人工智能、计算机图像处理、模式识别、心理学等研究领域,是当前人工智能和模式识别研究中的热点之一。在人脸识别技术领域中,采用什么样的特征来表示人脸模式以及如何有效提取这种特征,往往决定了人脸识别效果的好坏。本文针对人脸识别中的图像特征,围绕如何提取和选择特征来有效地表示人脸模式开展研究工作:首先,针对主成分分析(PCA)人脸识别算法在特征选择方面存在的问题,提出了基于动态主成分子空间的人脸识别算法。该方法从图像重建的角度出发,通过对主成分作用的分析,利用多元线性回归分析理论对已经训练好的初选特征子空间进一步筛选,从而去掉那些干扰识别结果的特征主成分,选择更加有利于该待识别图像的特征主成分。实验结果表明,该算法比传统的基于静态主成分子空间算法识别效果明显改善。其次,Gabor特征能从不同的方向和尺度很好地表示人脸图片的局部特征,但是传统利用Gabor特征的方法却忽略了原始人脸图片所包含的丰富的全局特征。本文把Gabor特征和原始的图片信息结合起来,形成增强的Gabor特征,并结合直接分步线性判别分析(DF_LDA)算法,提出了一种人脸识别新方法。实验结果表明,该算法具有识别率高、性能稳健的特点。最后,根据研究工作需要,设计并实现了人脸识别系统。该系统实现了几种主要的人脸识别方法,并能对提取的特征数据进行形象化的演示。同时,在该系统中加入了交互性较强的自动人脸识别模块,该模块能从摄像头采集到实时的视频序列,对其进行特征提取,实现实时人脸身份识别。