人脸识别技术是一种通过计算机提取人脸的特征来自动进行身份验证的一种生物特征识别技术。融合了模式识别、数字图像处理、计算机视觉、人工神经网络和生物特征技术等多个学科的理论和方法,研究人脸识别技术具有重大的理论和实用价值。本文具体讨论了人脸识别技术中的主要的三个阶段:图像预处理、特征提取和人脸识别分类。首先引入了人脸识别预处理的几何归一化的方法、图像增强、图像边缘检测及锐化处理和图像二值化等方法,和特征提取的主成分分析算法;然后对分类器设计提出了改进方法。(1)针对经典BP神经网络在识别当中的不足,提出对PSO算法的学习因子和惯性权值进行改进,使用改进后PSO(IPSO)对BP网络改进,以及对BP网络采用隐层数目可变的方法。经过优化过的BP网络性能有了很大程度的提高,特别是在训练速度和判别判定准确性上,较传统方法更加精确。(2)为了进一步提高分类器的性能,根据柔性神经树具有的特征优势分析,采用多表达式编程算法对其结构进行优化,然后提出了一种新方法对其的权值、阈值、学习因子等参数的优化,将该新方法称为区域选择粒子群算法(RSPSO),经过优化建立了完整的柔性神经树模型。通过实验证比较BP网络、IPSO+BP网络和柔性神经树三者性能,柔性神经树识别时间更短,识别率更高,具有更好分类效果。(3)仿真实验通过使用标准人脸图像库ORL和Yale数据库上实验的结果都表明提出以上改进算法在识别性能上具有很大的提高,尤其基于神经树的人脸识别比其他方法的实验结果识别效果更好、更具有效性和可靠性。