随着社会和科学技术的发展,智能化技术和智能的设备也大量的出现,并应用到生活的各个领域,在人脸识别以及图像分割的研究领域也出现了很多新颖算法和方式,都取得了满意的实验结果,特别是在人脸的识别与分割方面的研究都有了很大的进展,也出现了智能人脸识别系统,应用在各个领域,图像分割技术的广泛的应用,不仅给人们的生活、学习及工作带来了很大的方便,也增加了工作的灵活性和提高了工作效率,让人们从繁忙的重复劳动工作中解脱出来。因此,人脸识别及自动分割受到了很多的研究人员的普遍关注。目前人脸检测和识别的方法有很多种,都取得了不错的效果,人脸识别主要是有两个步骤,第一步特征提取,第二步是人脸分类器的设计。特征提取是人脸检测和识别非常重要的步骤,特征提取的结果对人脸识别率有很大的影响,而不同的特征提取方法有着各自的不同优缺点,其中有些方法复杂需要很大的计算量,耗费时间,有些耗费的时间少但识别率比较低,需要找出一种折中的方法既能满足实时性也要满足比较大的识别效率。对于检测到具有人脸的图像后,还需要进行身份的验证,即与库中信息进行对比,对于合格图像保存人脸检测区域,再对目标进行分割,对不能满足照片要求进行处理,.如照片背景不符合要求,再经过系统自动的处理,完成背景的替换。图像分割是图像处理到图像分析的关键步骤,图像分割已经研究了几十年,对于图像的自动分割还没取得较大的进展,图像分割大体上可分为以下几种：阈值分割、边缘检测、区域生长及基于区域的图像分割。在灰度图像上处理这些技术已经获得很好的处理效果,对于彩色图像的分割也取得了很大的进步,出现了很多的交互式的图像分割技术,取得了很好的分割效果,但在自动的图像分割效果还不是很好。本文根据系统处理照片的需求,基于目前常用的人脸检测和识别及图像分割的技术,提出并实现了自动人脸检测和识别以及对不符合照片要求的人脸图像自动处理。在人脸检测和识别过程中,通过实验结果的对比采用了主成分分析PCA算法,来提取具有不相关特性的主要成分。然后基于PCA方法提取的特征来设计分类器。该文采用支持向量机(SVM)方法来设计分类决策树,进行分类和识别。提出了一个基于欧氏距离的支持向量机的改进方法来设计分类器,经过人脸检测与识别后,含有人脸的图像会得到一个标记人脸区域的中间结果图像,否则提示请上传含有正面人脸的照片,然后根据标记后的人脸照片对于背景不符合要求的再进行目标和背景的分割,完成背景替换,本文提出了改进GrabCut的方法来完成目标与背景的自动分割,最后输出一个满足电子照片标准的照片。