人脸检测和识别是目前生物特征识别中最受人们关注的一个分支,是当前图像处理、模式识别和计算机视觉领域内的一个热门研究课题,在公安部门罪犯搜索、安全部门动态监视识别、银行密码系统等许多领域有广泛的应用。它与计算机人机感知交互的研究领域有密切联系。首先,本文对人脸识别技术进行了分析,重点研究了人脸识别技术的背景、研究内容以及人脸识别的主要方法。本文实验主要在ORL和YALE人脸库上进行。通过主成分分析(Principal Component Analysis, PCA),二维主成分分析(Two-dimensional Principal Component Analysis,2DPCA)等子空间特征提取方法对人脸图像进行特征提取。特征提取的结果将用于本文分类器的人脸识别。其次,针对现有的人脸分类方法本文进行了深入研究,然后通过欧式分类器,相关系数分类器,BP神经网络分类器,支持向量机分类器的“一对一”和“一对多”等方法进行人脸识别。所用到的分类方法都取得了较好的识别率。在ORL人脸库上,使用支持向量机分类器的“一对多”的方法识别率达到93.5%,支持向量机分类器“一对一”识别率达到90%,BP神将网络分类器的识别率达到93%,相关系数的识别率达到89.5%,欧氏距离识别率达到89.5%。最后,在ORL人脸库上,本文通过投票法,将支持向量机的“一对多”,相关系数,BP神经网络等三种分类器进行融合,多分类器的融合在一定程度上弥补了单个分类器的缺陷,取得了较好的识别效果。使每个主成分上的识别率都高于基于单个分类器的识别率,识别率最高达到94.5%。