人脸识别是计算机视觉、模式识别和生物识别的研究热点之一,具有很高的理论和应用价值研究。人脸是人类视觉中最为普遍的模式,它所反映的视觉信息在人与人的交流和交往中有着极其重要的作用,这一特殊性,使得人脸识别技术成为最具潜力的身份识别方式,日益受到人们的广泛关注;但同时人脸是由复杂的三维曲面构成的同一变形体,难以用数学描述,所有的人脸结构具有高度相似性,人脸图像又容易受年龄、光照、环境等因素的影响,故人脸识别又是一个复杂和困难的课题。人脸识别技术涉及范围很广,其中关键的是特征提取和分类方法的选取,本文以此为重点进行了相关研究,主要内容如下:1.小波变换具有能够突出问题某些方面特征的特点,把小波变换的思想引入到人脸原始图像预处理中,对人脸图像进行有效的降维处理。2.与传统基于主分量分析(Principle Component Analysis,PCA)方法相比较,独立分量分析(Independent Component Analysis,ICA)所提取的特征分类能力强、相互独立,并且对像素间的高阶统计特性敏感,不易受光照变化等因素的影响,本文选用ICA方法作为人脸特征的提取方法。为了减少运算次数,提高收敛速度,本文采用改进的Fast-ICA算法作为ICA的快速算法。3.神经网络因其自身优势特点,近年来在人脸识别领域得到了广泛研究和应用。径向基函数(Radial Basis Function,RBF)神经网络是一类新颖的前向网络,其在逼近能力、学习速度等方面优于一般网络,具有收敛速度快、较强的适应性以及很强的非线性映射功能等,在函数逼近、模式识别和分类上得到了广泛应用。本文为了更好的综合人脸特征进行分类识别,采用改进的RBF神经网络作为分类器对所提取的人脸有效特征进行识别。最后将本文提出的方法在ORL人脸图像库中进行试验验证取得了良好的实验效果。