人脸识别技术在身份验证、监控系统等领域引起了人们的广泛关注，成为近年来比较热门的研究课题。然而，由于人脸本身的复杂性(如表情变化、眼镜或头发遮挡、姿态等)以及成像实时环境的多变性(如光照明暗、成像角度等)等因素影响，使得人脸识别成为一项极具挑战性的工作。如何让计算机模拟人类认知，通过较少的信息实现人脸重构，最终实现智能识别得到较好的识别效果是一项具有深远意义的研究工作。　　 本文针对人类对人脸的认知过程，围绕如何表征人脸全局结构和局部特征，以及以何种方式实现人脸模式分类展开了研究：首先，对人脸认知相关研究内容进行深入考察，将人脸特征归结于全局结构和局部特征，并就其特点进行科学的分析，提出相应的特征提取方案。实验结果表明，用LDA提取其全局结构特征，2DPCA提取人脸分割子块的局部特征是合理的。其次，在综合分析计算机图像处理和人脸识别相关算法的基础之上，结合Bruce-Young人脸认知模型，模拟人类人脸认知过程，提出了一种基于全局结构和局部统计特征的人脸识别方法，将整个识别过程分成两步进行：首先利用全局结构进行初步识别，挑选出相似人脸类别；其次利用局部特征对待识别样本和挑选出的相似类别人脸精确识别，得到其确切类别。其中，第二步目的在于对相似人脸进行确认判断，故采用模糊k近邻方法以最大隶属度原则得到。实验结果表明，本文所提出的方法对于姿态变化、光照变化、部分遮挡情况下的人脸识别具有较强鲁棒性，模糊k近邻方法在此处的应用具有较强切合性，验证了计算机人脸识别模拟人类认知过程具有现实意义。