人脸图像具有唯一性和稳定性,因此人脸识别广泛应用于刑侦破案、视频监控、表情分析、日常考勤等场合,逐渐成为人们工作和生活中的常用身份验证手段。人脸识别技术应用于考勤系统,可以充分利用已有的人脸数据库资源,更直观、方便地核查身份。但实际的人脸识别考勤系统也会面临一些挑战,对于光照条件、人脸姿态、人脸饰物等变化需要通过人工智能补偿。为此本文对应用于考勤系统的人脸识别技术进行了研究。本文主要完成了以下几项工作：1、探讨了人脸样本采集方法。实现了基于Haar特征和Adaboost级联分类器的人脸检测算法,提出了一种基于RNDA特征的人眼定位算法,并根据眼睛的精确坐标对人脸图像进行了标准化处理。2、研究了基于LDA的特征提取算法。对比了常用的LDA小样本问题的解决方法,提出了一种基于2D-PCA的两级LDA人脸特征提取方法,解决了小样本问题,并完整的利用了LDA的四个信息空间。3、研究了基于SVM的分类器。探讨了SVM和NDA的优缺点,结合NDA中决策面的法向量表示的鉴别信息和SVM中对分类至关重要的支持向量,提出了一种SVM+NDA的分类器模型。4、结合人脸检测、人眼定位、人脸特征提取和分类算法,设计并实现了基于人脸识别技术智能考勤系统。软件系统包含员工信息管理、考勤规则设定、考勤信.息查询、电子考勤等模块。经研究并结合大量实例应用表明,本文提出的算法应用于实时的人脸识别系统可以改善人脸样本采集的质量、提高人脸识别的准确率。