人脸识别是当前模式识别领域的一个研究热点，常用的方法很多，一般说来包括定位和分类两个部分。准确的定位是正确分类的前提，而分类的成功率又反映了定位质量的好坏，这两个方面是人脸识别的研究重点。本文主要研究基于主动形状模型（Active Shape Model, ASM）的人脸特征定位方法和基于模糊神经网络(Fuzzy neural Networks, FNN)的识别技术，并在此基础上进行了改进，主要的工作如下： 1、复现了经典的ASM算法及其重要的改进算法，即基于灰度级的匹配算法和基于图像金字塔的的搜索算法。对影响ASM的各种因素：初始化位置、变形参数和搜索尺度进行了实验和分析，并对ASM模型进行了客观的评价； 2、针对传统ASM存在的问题进行了研究提出了三个改进算法： (1) 针对传统ASM没有有效的初始化方法的问题进行了研究，本文利用基于投影变换粗略定位人脸作为ASM的初始化依据，减少因为初始化位置过远引起的ASM搜索失败； (2) 对构造图像金字塔的方式进行了改进，本文用轮廓图像代替原来的高斯滤波图像，轮廓图像包含了更明确的边缘信息能够使ASM更快地定位到目标附近； (3) 针对单ASM模型不能准确匹配具有偏转人脸的情况，本文构造多个专用的 ASM进行有针对性的搜索，然后利用相似度准则作为结果的评价。 3、提出了将ASM与FNN相结合并用于人脸识别的方法，利用ASM 定位获得的灰度信息作为模糊神经网络的分类信息。针对FNN在高维问题上分类不理想的原因进行分析，提出了基于交互式隶属度调整的方法，使其更适合高维的人脸分类问题。为了验证算法的有效性，将本文算法与特征脸方法进行比较。实验结果表明，在相同实验条件下，将主动形状模型与模糊神经网络相结合的方法具有更高的识别率。 最后，对论文的研究工作进行回顾总结，并对进一步的工作进行展望。