本论文研究旨在发展与改善一种能检测出影像中的人脸位置和识别身分的人脸检测与识别系统，提出一个有效的方法能够定位出人脸在复杂环境下的位置，利用降低影像的复杂度来排除多余的背景影像，改善识别上易遭遇噪声干扰的问题，进而建构一个简单而有效的人脸检测与识别系统。本论文人脸检测与识别系统可分成三大流程：一、人脸检测系统，二、人脸定位系统，三、人脸识别系统。人脸检测算法分为两级处理：模糊高斯分类器和特征撷取类神经网络架构。透过模糊化的概念计算影像特征向量，进行分类器的初步筛选，目标希望人脸影像全数通过，而非人脸影像越少越好，最后透过神经网络计算脸部区块特征，由输出网络值判定该影像是否为人脸。人脸定位系统利用高斯扩展法找出所有检测结果中是人脸区块的位置。人脸识别系统结合PCA算法与BP神经网络，每个人脸影像可归属两个群集，为同一群集者表示与群集内的人脸影像相似性高，人脸影像进入两群集所属的平行类神经网络进行识别，输出最大值便可识别该人脸影像的身分。本论文研究成果可降低影像资料维度，缩短检测与识别的执行时间，并可提高复杂度高的人脸影像识别效果。与此同时，总结了当前有着的技术困难，并展望了今后的研究趋势。