生物特征识别是利用人类特有的生理或行为特征来识别个人身份的技术，它提供了一种高可靠性、高稳定性的身份鉴别途径。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。与指纹、视网膜、虹膜、掌纹等其他人体生物特征识别方法相比，人脸识别具有直接、友好，使用者无心理障碍等特点。本文对此进行了较为深入的研究，论文的主要工作和成果有以下几个方面： (1) 全面概述了生物特征识别技术及其发展方向、应用背景和研究意义，重点描述了人脸识别技术的研究内容、方法、应用前景，介绍了人脸识别技术在国内外的研究现状，对人脸自动检测与识别技术进行了综述。 (2) 提出一种非线性变换的彩色空间来描述肤色模型，在该非线性彩色空间上进行人脸肤色的分割，采用基于区域增长算法的自适应阈值处理，实现了一个完整的皮肤分类器。通过使用自适应阈值的模糊分割技术，使皮肤区域与非皮肤区域有效地分割开，从而得到人脸候选区域。提出利用多尺度形态边缘检测算法定位眼睛和嘴的位置，根据均值和方差分割出的纹理特征和人脸几何特性来定位人脸，从而验证候选区域是否为人脸。 (3) 在标准PCA原理基础上，分别提出了对称主成分分析和核主成分分析算法进行人脸识别。通过引入镜像样本，将人脸图像进行奇偶分解，并分别对奇偶图像应用KL展开，提取奇偶对称KL特征；根据各个特征分量在人脸中所占能量比例的不同以及对视角、旋转、光照等干扰的不同敏感程度，进行特征选择，增强特征的稳定性；从理论分析入手，建立理论基础，并将该算法成功应用于人脸识别中。该算法从理论上提出奇偶正交重构，在应用上利用镜像样本扩大样本容量，提高了识别性能并增强了人脸识别算法的实用性。作为一类核方法，KPCA方法在模式识别领域中得到了较多的应用，其基础是使用KPCA进行特征抽取。在进行非线性映射之前，首先利用经典的主分量分析降维，然后再进行核主分量分析(KPCA)。在ORL标准人脸库上的实验结果验证了所提算法的有效性。 (4) 提出了基于小波变换图像相关性的人脸识别方法。用小波变换将原始图像分解提取特征，可以有效地降低特征向量的维数；将训练集中的5幅图像取平均值作为模板脸，计算测试集中的5幅小波变换图像与模板脸的相关系数，并进行比较。在ORL人脸库上的实验结果表明，提出的方法可以达到98.5％的正确识别率，计算量小，速度快，可用于各种人脸识别系统中。