当今社会是一个信息化高度发展的社会,科技的应用渗透到了各个行业领域。人脸识别技术,就是这个时代的产物,此技术正被应用到各个领域,比如楼宇进出的安全控制、海关的安全检查、智能卡的身份认证、网络寻人等等。人脸识别技术是未来身份识别认证的主要发展方向之一。人脸识别经历了完全依赖于人工、人机交互、机器自动识别三个阶段,且摆脱了最初对背景单一正面灰度图像的识别,在对多姿态人脸识别研究的基础上,以实现动态人脸识别为载体,向三维人脸识别的方向发展,并取得了一定的成果。在我国,人脸识别技术虽然起步较晚,但是发展很迅速,得到了国家的大力支持。目前,我国很多高校、研究机构等,在图像处理和模式识别领域都有很好的研究基础,并积极开展了包括人脸识别在内的人体生物特征识别技术的基础研究,并取得了良好的研究成果,相信在不久的将来,我国在这一领域的研究将会进入世界的先进行列。人脸识别作为识别领域最经典的问题之一,目前已有很多的解决方法,并取得了较好的实验结果。但是能够实际应用并且用于任意背景、任意姿态的通用人脸识别系统还没有出现。因此人脸识别走向应用领域,比如提高所提取人脸特征的有效性、分类器的优化等有待提高。本文的出发点是将神经网络和人脸识别技术两者结合起来,致力于基于神经网络的人脸识别系统的研究。目的是通过神经网络的方法,解决人脸识别问题,提高识别系统的识别能力,得到较高的识别精度。其主要工作有:(1)详细介绍了人脸识别系统的组成结构,几种典型的人脸识别方法,总结了人脸识别目前所面临的主要问题,并介绍了目前国际上一些常用的人脸数据库。(2)将小波变换和改进的对偶传播神经网络相结合,提出了基于小波变换和改进的对偶传播神经网络的人脸识别方法。结合小波变换和CPN网络两种算法的主要特点,利用小波变换后的低频子图像代替原始人脸图像,不但去除了图像的冗余信息,降低了人脸数据的维数,而且对随机噪声进行了压制,减少了干扰CPN识别性能的不相关因素,取得较高的识别率。(3)提出加权二维主成分分析的算法,并将离散余弦变换(DCT)、加权二维主成分分析(2DPCA)和集成BP神经网络分类器相结合进行人脸识别系统的实现。根据DCT、加权二维主成分分析和BP神经网络的基本原理及各自在人脸识别中的应用,对人脸图像进行离散余弦变换,滤掉人脸图像中并不敏感的中频和高频部分,再采用加权二维主成分分析方法进行特征提取,最后利用集成BP神经网络分类器完成识别,提高了识别效率,验证了此方法的有效性。