由于科技的发展和应用的需求,以及验证手段的多样化,指纹识别和人脸识别技术得到了很大的关注和重视。其中人脸识别技术涉及到图像处理、模式识别、计算机视觉等领域,随着近年来各种识别算法分的改进,使得人脸识别成为最热门的研究课题之一。一个人脸识别系统通常包含人脸检测、人脸定位、人脸特征的提取和人脸特征的比对,然而由于人脸自身的因素和外界条件的影响,如何完成快速高效的人脸检测和高鲁棒性的特征提取,成为如今人脸识别研究的障碍。本文主要从人脸检测、人脸特征点定位和人脸识别算法三方面进行研究。能否快速、准确的检测到人脸,对后续人脸识别的研究将产生很大的影响。为了准去的检测到图片中所有的人脸信息,本文首先通过肤色检测排除大量非人脸复杂背景,确定人脸候选区域,同时加入图像增强操作来改善图像的质量,再提取新的Haar特征,并在训练分类器时加入阈值的约束,然后将训练出的弱分类器级联形成强分类器,利用级联的强分类器完成人脸检测,使得最终算法的检测速度更快,有效的防止了样本过度分配的现象。针对已经检测到的人脸,本文采用一种基于主动形状模型和主动表观模型融合改进的人脸特征点定位算法。利用主动形状模型在定位灰度梯度比较明显的人脸外轮廓部位能够得到准确的定位结果,利用主动表观模型在定位人脸内部各个器官特征点人脸的准确性,有效的融合了两种算法,使得人脸特征点的定位时间更短、精度更准确。为了识别不同的人脸,本文提出了一种利用图像局部纹理特征的算子结合支持向量机算法来进行人脸识别的研究,主要是将局部二值模式得到的图像特征作为输入信息通过支持向量机分类器来识别人脸。两者的结合能够解决人脸识别中局部二值模式特征学习的不够完善,以及支持向量机算法提取人脸特征时没有考虑局部结构特征的问题。