人脸识别是计算机模式识别领域里的一个分支，它涉及图像处理、计算机视觉、人工智能等多个领域。和指纹识别相比，它具有采样简单的特点，在实际生活中有着广泛的应用价值，比如在公安系统中，可以用于识别嫌疑犯，在安全部门中可以用于实时监控出入人员并对人员的身份进行鉴定，另外在一些需要对客户身份严格鉴定的商业部门，如银行等，也有很大的应用价值。 人脸识别自20世纪60年代开始研究至今，已经取得了一些重要的成果。人脸识别的过程可以分为人脸检测、人脸特征提取与识别三部分。在人脸检测部分，目前存在的方法有利用人脸的几何轮廓(椭圆形)进行检测、利用人脸的肤色信息进行检测、构造标准人脸模板进行匹配检测等等；在人脸特征提取部分，可以用一些图像处理的方法如投影、二值化、求梯度图像等提取人脸中各特征器官如眼睛、鼻子、嘴巴等的几何特征，另外也可以借助于数学变换，求取人脸图像的一些代数特征，如对图像进行奇异值分解，以奇异值代表图象的特征，或对图像进行K-L变换，以图像在构造的特征空间上的投影系数作为图像的特征等；在识别部分，可以通过距离度量或相似度来判断输入图像与样本图像的匹配程度，还可以通过神经网络方法进行人脸的识别。 在本文中人脸检测部分采用的是灰度图像中基于向像素分布特征的人脸检测方法。首先根据人脸图像二值化图中头发块的轮廓，确定出人脸的一次轮廓；然后在人脸的一次轮廓中以黑块分析与投影分析相结合的方法定位出人眼，黑块分析基于图像的二值特征以及人眼的几何特征，投影分析则基于图像的灰度特征进行，它对黑块分析的结果进行补充；根据定位出人眼信息，取出人脸的二次轮廓；对人脸的二次轮廓进行标准化，获取人脸的标准图像。试验证明，用该方法定位人脸可以获得90％以上的准确率。 在人脸特征提取和识别中，我们采用的是目前在人脸识别领域比较先进的主元分析法。我们首先根据采集的样本图像构造一个协方差矩阵，然后求取该矩阵的特征值，以这些矩阵特征值对应的特征向量构造出一个特征空间，然后将输入图像向该特征空间映射，将获取的映射系数与样本库中图像的映射系数进行距离计算，根据计算出的距离判定输入图像与样本图像间的匹配程度。试验证明，采用主元分析法进行识别能获取较高的识别率，该识别率可以在 85％以上。