人脸面部的视觉信息在人与人的交流中有着重要的作用和意义。近年来，人脸检测和识别受到国内外学术界和企业界的广泛关注，其主要原因是人脸检测和识别在信息安全、访问控制、金融支付、公安刑侦等方面有着广泛应用。与其他传统的身份识别方法相比，用人脸作为生物特征识别对象，具有稳定、便捷、不易伪造等优点，由于其非接触性、非侵犯性，人们对这种技术没有任何排斥心理，因而它是一种最友好的生物特征识别技术。人工神经网络是模拟生物神经网络进行信息处理的一种数学模型，它以对大脑的生理研究为基础，模拟大脑的某些机理与机制，将大量功能简单的神经元通过一定的拓扑结构组织起来构成群体，并行式处理，实现特定的功能。误差反向传播（BP）算法的提出，成功解决了求解非线性连续函数的多层前馈神经网络权重调整问题，输出后的误差在向隐含层、输入层逐层反传的过程中按照梯度下降的方式修正各层权值，给多层网络的训练提供了很有效的办法。本文将采用BP神经网络进行人脸识别，主要包括特征提取和神经网络识别两大部分：从人脸图像库中选取一定数量的训练图像，用主成分分析（PCA）法对其进行一定的预处理，提取训练图像的独立基成分构造人脸子空间，并将训练集中的人脸图像向独立基上投影得到的系数输入改进的BP神经网络进行训练，将经过同样预处理的待识别人脸图像向独立基上投影得到投影系数，再将其输入已训练过的BP神经网络进行识别，系统采用MATLAB编程，并运用其中的GUI编程实现简单的人机交互。多次的仿真实验结果表明，本文的设计思路和方法是正确的，利用PCA法提取出了特征空间主成分作为BP神经网络输入，简化了网络结构，减少了计算量，识别准确度达到90%以上；选用的ORL人脸库中的图像有光照、表情、姿态的区别，最终的识别结果表明此处设计的BP神经网络有较好的顽健性。尽管如此，本文仍然存在一定的不足，如训练样本选择较少、神经网络有待进一步优化、缺乏与其他方法的对比等。因此，提出更高效的训练算法、设计更简洁快速的网络、达到更高的识别率，有待进一步研究。