如今不论是在国内还是国外人脸识别技术研究都是模式识别领域和人工智能领域里一项热门研究,并已经成为人类科学技术中一门充满生机和希望的前沿学科。人脸识别是一种非接触式的身份识别技术,它与指纹、虹膜等接触式方法相比具有很多优点。进入九十年代后,由于应用需求以及相关理论的突破,人脸识别技术得到了学术界的广泛关注,成为热点研究领域,进入研究高峰期。人脸识别系统虽然有诱人的应用前景,但是在现实中却还没有开始大规模的使用。因为人脸可视外形具有不确定性、人脸模式具有多样性,用计算机自动进行人脸的定位和识别十分困难。图像获取过程也存在不确定的因素,每个像素值都依赖于环境中的各种因素,如光源、周围物体等,所以致使人脸识别研究任务非常艰巨。如何正确高效地从人脸图像中识别人的身份,满足实时要求,是人脸识别技术迫切需要解决的问题。此外人脸识别的困难还在于图像包括大量的数据,输入的像素可能成百上千,如何提取出最有效的特征数据也是难点之一。本文的研究内容主要是以下几个方面,由于基于SVD的人脸识别算法识别率低下,分析原因并据此提出了改进的类估计基空间奇异值分解算法(CSVD)。在人脸识别特征提取环节,提出了CSVD算法与非负矩阵因子(NMF)算法特征数据相融合的人脸识别算法。如何解决NMF算法中W和H的随机初始化问题,一直是研究的热点和难点,本文提出利用SVD-Based算法初始化W和H,降低了NMF算法的迭代次数和训练时间。同时SVD-Based算法可以和当前各种改进的NMF算法良好的结合,在降低迭代次数和训练时间的同时,提高了识别率。实验结果表明,这种结合方法有效的提高了识别率和训练速度。近年来人脸识别技术得到了迅速的发展,但是光照问题一直没能得到很好的解决,成为阻碍人脸识别技术应用到实际中的瓶颈之一。一般的人脸检测和识别算法是假设待处理图像是在均匀的光照条件下获得的,而生活中光照往往是不均匀的,光照校正问题一直是人脸检测和识别中一个非常重要而难于解决的问题,使得人脸检测和识别率大幅度下降。本文通过分析小波变换的特点,利用小波去噪模型解决人脸识别中的光照问题。实验结果表明此方法不仅可以很好的解决光照问题,还可以用于实时的人脸识别系统。