现代社会对于身份鉴别的准确性、安全性与实用性提出了更高的要求，传统的身份识别方法，例如：密码、IC卡等，已经不能很好满足这种要求，而人体丰富的生理和行为特征为此提供了一个可靠的解决方案，因而引起了国际学术界和企业界的广泛关注。 人脸识别技术作为生物特征识别技术的主流技术之一，是国内外研究和应用的热点。自动人脸识别系统有两个主要的环节：人脸检测和定位，人脸识别(鉴证)。本文首先介绍了人脸识别技术中的几个主要研究方向，然后针对人脸识别算法主成分分析法(Principal Component Analysis，简称PCA)，也就是特征脸方法进行了深入研究，引进了基于二阶特征的人脸识别，并提出了基于多特征的人脸识别算法。本文的主要工作可以概括如下： 研究了两种补偿光照变化的灰度预处理方法：灰度归一化和直方图均衡，采用特征脸法对二者做了识别对比实验。 针对传统的特征脸(PCA)方法中特征向量的选择问题，做了大量实验分析。分析了传统特征脸方法的优点与不足。 由于传统特征脸法对光照变化的适应性差，本文引进了基于二阶特征脸的识别算法。该方法通过“丢弃”传统特征脸方法得到的前数个反应光照信息的特征脸，克服光照干扰的影响。本文针对一、二阶特征脸权重系数的选择问题做了大量的实验分析。 上述两种识别方法均是基于整体特征的，在进行特征提取时图像中的所有像素给予了相等的地位，但是研究表明不同的脸部特征在识别中起着各不相同的作用。我们提出了基于多特征的人脸识别算法，即同时采用Eigenface、EigenUpper、EigenTzone进行识别。此方法将整体特征和局部分析结合起来，并且EigenUpper、EigenTzone的分割简单无需对人的眼睛、鼻子、嘴巴等进行精确定位。该方法有两种，一种是基于多特征和传统特征脸的，另一种是基于多特征和二阶特征脸的。