随着经济社会的日趋发展，快速有效的自动身份识别的要求日益迫切，这使得人脸识别技术的发展变得越来越重要。然而，人脸识别技术由于其具有复杂、难度大且起步晚的特点，当前发展还不是很成熟，这极大地限制了它的应用。 本论文对人脸识别技术的算法作了全面的研究，包括对图像进行人脸的检测、区域分割、边缘提取、去除噪声和特征点的定位、特征向量的提取、识别等这几个部分。提出了如下几种实用和有效的算法： 在对当前多种人脸检测方法的研究后，提出了一种利用肤色对面部图像进行分割的方法。该方法采用色调、饱和度、亮度三因素中的色调，通过统计识别的方法，建立一个基于肤色的数学模型，将人脸区域从图像中单独分离出来。 在Prewitt算子和Sobel算子的基础上，提出了一种新的基于24位彩色图像的多方向线性边缘检测方法。 根据人脸中嘴唇的颜色与其它肤色明显区别的特点，提出了一种利用24位彩色图像对嘴唇区域进行分割和提取的方法。此方法可以有效地去除嘴唇周围的阴影干扰和其它干扰，完整地将嘴唇从原图中分割提取出来。 根据嘴巴和眼睛近似纺锤体形状的特点，本文利用“夹逼法”分别对嘴巴和眼睛进行精确定位，此种方法抗干扰能力强，精确度高，明显优于以往的各种投影方法。 根据脸部的轮廓特点，将脸的轮廓分为五个部分，分别进行边缘提取和主要特征部位的特征点地定位，这种方法采用了整体和局部相结合，使得人脸轮廓的定位更加准确。 在对前人各种识别算法的基础上，提出了一种神经网络与最小模式距离相结合的方法，这种方法既避免了神经网络的过学习现象导致推广能力下降的缺点，又提高了识别的容错性和准确性。