随着信息技术的发展和日益增长的对安全技术的需要,基于生物特征的身份识别技术在近年来有了迅速发展。作为生物特征识别技术之一的人脸识别技术正在兴起,并显示了很大的优越性。在现有的各类生物识别技术中,人脸识别技术具有使用方便、用户接受度较高、具有直观性、不易被他人仿冒、人脸图像易于获得等优点。本文以CVL人脸图像数据库为基础,研究了人脸识别的典型算法,并对某些方法进行了改进,最后实现了一个基本的人脸识别过程,本文的主要工作如下:第一,人脸图像的预处理。主要进行了灰度化、粗切、图像平滑、图像增强及灰度归一化等预处理操作,消除了图像噪声,使图像更清晰。第二,人脸的检测与定位。首先利用垂直灰度投影曲线得到人脸的轮廓图像,再利用基于混合投影函数(HPF)和Hough变换的方法进行眼睛的精确定位,并以眼睛为基准进行人脸图像的校准,包括旋转、剪裁和缩放等,最后图像变为100×100的标准图像。第三,特征的选择和提取。主要研究了主成分分析(PCA)、2DPCA和独立分量分析(ICA)的算法,然后对2DPCA的算法进行了实验验证与分析,并与PCA的方法进行了比较。最后,分类决策。主要研究了最近邻法则、BP神经网络的方法及MCFD的算法,并选择MCFD的算法进行本文的分类器设计。实验结果表明,2DPCA和MCFD相结合的算法能够得到较好的识别结果和较快的识别速度。