人脸识别技术是生物识别领域中的一个研究方向，是数字图像处理，模式识别及人工智能领域中的一个重要课题。从最初单纯的基于几何算法到后来基于模型，统计等较为复杂特征的方法，许多研究人员付出了大量的努力，但由于人脸的相似度高，图像提取时又容易受到成像条件和样本的年龄变化的限制，样本的特征提取及分类是人脸识别过程中的关键步骤，本文以此为重点进行了相关的研究。　　 在基于统计学的方法中，传统的主成分分析法(PrincipalComponentAnalysis，PCA)只能得到人脸图像像素间的二维统计信息，但是，人脸图像的信息不仅仅存在于像素间的二维统计特性中，更存在于像素间的高维统计特性中，基于传统PCA算法的人脸识别方法容易受光照条件等易变因素的影响。　　 本文的算法是基于改进的PCA算法和FLD相结合的人脸识别方法，考虑传统PCA算法及FLD算法的优缺点，将传统的PCA算法进行改进，提高PCA算法的灰度归一化能力，然后将其与FLD相结合，建立改进PCA算法和FLD相结合的人脸识别系统，并将其在MATLAB上进行仿真模式实验，实验表明，两种计算方法相结合的运算模式有效的提高了人脸识别率，获得了一定的识别效果。　　 在进行实验比较之后本文对于之前的工作进行了总结并且，对于文中提出的识别方式的优劣性进行了比较，最后对于以后的工作进行了展望并提出了下一步的工作目标