计算机人脸识别技术是一种重要的基于生物特征的人类身份识别技术。它是利用计算机分析人脸图像，进而从中提取出有效的识别信息，用来辨别人的身份，以达到监督、管理和控制的目的。它是一个跨越数字信号处理，图像处理，模式识别和计算机视觉等多门学科的实用技术，可以广泛应用于商业，司法和公用事业等领域。对于计算机人脸识别技术的研究，不仅有重要的实用价值，而且对于相关领域理论的研究也有重要的推动作用。计算机人脸识别技术的研究已经成为国内外模式识别领域研究的热点。计算机人脸识别技术的研究主要从提取表述人脸图像的特征方面进行。要求表述人脸图像的特征既能够容忍几何变化、表情变化和光照变化，又能够保留人脸不同于其他人脸的分类识别信息。本文针对当前较新的一些计算机人脸识别方法展开讨论，并分别给出改进算法。具体的研究包括：基于无相关特征鉴别矢量集人脸识别方法的研究。基于Foley-Sammon变换鉴别矢量集的人脸识别方法是基于Fisher线性判别准则求取鉴别矢量集进行人脸识别的方法。该方法求取的鉴别矢量集中鉴别矢量彼此线性无关，而在不同鉴别矢量上的人脸特征却统计相关，为此，有人给出了一种基于Fisher线性判别准则求取无相关特征鉴别矢量集的人脸识别方法， 并给出了较好的识别性能。通常情况下，求取无相关特征鉴别矢量集的方法是递归进行的，本文通过对求取无相关鉴别矢量集机理进行深入分析，提出了一种求取无相关特征鉴别矢量集的一种非递归方法。理论分析和实验结果表明，本文求取的无相关特征鉴别矢量集和传统的无相关特征鉴别矢量集是一致的，而本文方法更简单，计算时间更少。通过进一步的分析，本文证明在矩阵所有特征值都不相等的情况下，无相关特征鉴别矢量集和Fisher鉴别矢量集是一致的，本文给出的求解无相关特征鉴别矢量集进而也成为求解Fisher鉴别矢量集的一种无需求逆的方法。基于图像矩阵子模式鉴别矢量集人脸识别方法的研究。通常情况下，人脸图像数据维数较高，对象基于主元素分析这样的人脸识别方法来说，计算量大，计算时间长。为此，有人给出了一种基于图像主元素分析的人脸识别方法，不仅计算量相对较小，而且识别率也有所提高。本文通过对该方法实现机理进行分析，得出该方法实质上就是对人脸图像的行矢量进行主元素分析提取人脸特征，进而给出了一种基于图像矩阵行矢量Fisher鉴别矢量集的人脸识别方法。相对于基于图像主元素分析的人脸识别方法，本文方法的识别率有了很大提高。进一步地，通过对上述方法提取的人脸特征矩阵的列矢量分别求取鉴别矢量集，本文给出了一种基于图像两方向鉴别矢量集的人脸识别方法，该方法使人脸识别率进一步提高。基于图像两方向鉴别矢量集的人脸识别方法还给出了基于图像矩阵子模式鉴别矢量集进行人脸识别的思想。通过选择合适的人脸图像子模式求取鉴别矢量集提取人脸特征，期望会得到更好的人脸识别效果。基于傅里叶变换特征人脸识别方法的研究。 <WP=90>利用傅里叶变换性质，有人给出了基于一阶频谱脸和基于二阶频谱脸的人脸识别方法。该方法可以有效克服人脸模式在图像中的几何变化，结合小波变换减少人脸模式的表情变化和少许遮掩对人脸识别影响，该方法达到了较高的人脸识别率。通过应用遗传算法，利用分类信息对傅里叶变换特征进行选取，本文提出了一种基于傅里叶变换特征遗传算法的人脸识别方法，从而获得更高的识别率。应用主元素分析方法对人脸图像傅里叶变换特征做进一步的压缩，本文提出了一种基于傅里叶变换特征主元素分析的人脸识别方法，并获得最高的人脸识别率98.5%。本文最后从实用角度对各种人脸识别方法进行分析，得出基于图像子模式鉴别矢量集的人脸识别方法和基于傅里叶变换特征主元素分析的人脸识别方法是较优秀的人脸识别方法。通过定义合适的适应函数，期望基于傅里叶变换特征遗传算法的人脸识别方法会得到更高的人脸识别率。