近年来，由于人脸识别具有广泛的应用前景，其逐渐成为计算机视觉与模式识别领域的研究热点，人脸分析中包含的课题很多，如：人脸检测、人脸跟踪、人脸识别、表情分析等。本文以人脸识别及相应算法分析作为研究重点，提出了两种研究人脸识别的新思路：1、基于“特征眼”小特征量的人脸识别算法。针对人脸眼睛的局部特征，本文设计了一种能够匹配人眼的haar特征模板，通过用本文模板对yale人脸图像库中样本图片进行人眼提取试验，证明了本文模板是有效的；然后通过二次线性插值算法对人眼区域进行统一化；将统一化的人眼图像数据各列首尾相接组成一个特征，通过主成分分析法提取人眼区域特征组成特征眼；将待测人眼映射到特征眼空间中并使用改进的级联Adaboost算法进行识别。经过试验分析证明本文算法能够在20个特征量的条件下达到90%左右的识别率，相当于传统主成分分析法中需要60个特征量才能达到的识别率，能够大大的降低算法时间复杂度，具有广泛的应用前景。2、基于三维图像的人脸识别算法。本文结合当下视频技术热点和三维图像的特点，本文提出了基于三维图像的人脸识别技术。由于三维图像不能直接转换为灰度进行计算，本文使用HSL色彩空间中的HS分量进行特征提取，既降低了计算维度，又避免了将图像转换为灰度图像。然后结合PCA方法计算待测图片的HS分量到样本的距离，通过计算两个分量距离的加权和，找出到样本的最小距离达到识别的目的。本文经过实验得出当权值取0.75时，采用本文的算法识别率达到95%以上。相比基于灰度的人脸识别方法本文提出的基于三维图像的识别算法具有更高的识别率，并且所需的训练样本也较少。随着三维图像采集设备的普及，本算法具有一定的理论意义及实用价值。