人脸识别是身份认证技术领域中当前研究的热点课题,它涉及到模式识别,图像处理,神经网络,计算机视觉,生理学及认知科学等多个学科知识,具有重要的理论意义和实用价值。本文首先对人脸识别系统中图像预处理和分类器设计进行了讨论,并简单介绍了几种基于全局的特征提取方法。然后,对PCA,2DPCA,DiagPCA,(2D)~2PCA等几种基于主元分析的特征提取算法进行了详细的介绍。由于2DPCA, (2D)~2PCA, DiagPCA算法的特征提取都直接基于图像矩阵,计算量小,因而特征的提取速度明显高于PCA算法。同时,本文在分析各个算法识别性能的过程中,发现在类别训练样本数目一定的情况下选取具有代表性的人脸图像作为训练集样本时算法具有更高的识别率。在对上述各种特征提取算法分析和比较的基础上,本文提出了平均脸+(2D)~2PCA识别方法。实验证明,该方法在特征分类时所需的特征比较次数较少,识别速度较快。最后,本文初步探索了神经网络在基于二维主元分析识别方法中的应用,提出了(2D)~2PCA特征和BP神经网络分类器相结合的识别方法。通过与本文其它识别方法进行比较表明,(2D)~2PCA特征和BP神经网络分类器相结合方法具有较好的识别性能。