人脸识别是近年来模式识别、图像处理、机器视觉、神经网络以及认知科学等领域研究的热点课题之一，在档案管理系统、安全验证系统、信用卡验证、公安系统的罪犯身份识别、银行和海关的监控、人机交互等领域具有广阔的应用前景。本文围绕人脸识别的问题，针对人脸特征提取和识别算法进行了一些理论和实验的研究工作，实验结果表明，本文提出的将瞳孔位置信息引入到Gabor小波网络的人脸特征提取中的确能提高特征提取效率。本文的研究工作主要包括以下几个方面：第一，对弹性束图匹配法进行了研究、实验和分析。本文根据弹性束图匹配法的原理，针对特征点定位和相同特征点的小波特征向量在表情、角度发生变化的情况下是否仍具较高的相似度这两个方面进行了实验，并对实验结果进行了简要分析，指出了弹性束图匹配法存在的不足和改进思路。Gabor小波网络高效的特征表达能力可以改善弹性束图匹配法在特征提取上存在的冗余问题。第二，对眼睛检测方法进行了研究和实验。本文利用灰度图像形态学方法和Hough变换圆检测方法来检测眼睛和定位瞳孔，给出了检测实验的流程图和部分实验结果。第三，提出将瞳孔位置信息引入到Gabor小波网络的人脸特征提取中以提高提取效率。Gabor小波网络(GWN)结合了径向基函数网络(RBF)与Gabor小波的优点，把一个目标表达成Gabor小波的线性组合，这些Gabor函数的参数如方向、位置、尺度经过了优化以反映特定的局部图像结构。本文提出利用瞳孔位置信息，该瞳孔位置信息用于两个方面，一是在网络优化时构造T形的小波初始位置分布，使得在小波数目一定的情况下识别信息的提取更高效；二是在小波网络的参数再确定时提供定位信息从而大大简化求参步骤。实验结果表明，瞳孔位置的利用的确提高了人脸特征提取的效率。在特征分类方面，本文采用核联想记忆法。实验结果表明，与欧氏距离、归一化互相关和最近特征线(NFL)这些方法相比，核联想记忆法具有更好的识别率。