随着计算机技术和生物医学工程技术突飞猛进的发展，使用人体生物特征来鉴定身份的生物识别技术越来越受到人们的青睐。生物特征识别技术就是一种将信息技术与生物技术相结合的新型识别技术，它通过利用各种设备获取人体的生理特征或行为特征来进行身份的鉴别,生物特征识别是模式识别的一个重要的组成部分。所有基于生物特征的识别技术都有大体相同的工作与原理和过程。首先利用光电扫描传感器获取人体图像，然后将其数据化，再利用某种数学算法对提取的图像进行处理，将最后生成的特征模板与预先保存在人体生物特征数据库中进行对比，最后根据比对的相似性来确定是否匹配。人脸识别技术作为生物识别领域中的一种基于生理特征的识别技术，是以通过计算机提取人脸特征，并根据这些特征进行身份验证的一种技术。同其他生物特征相比，人脸识别技术具有操作简单、结果直观、隐蔽性好的优点。由于光学技术的进步，我们可以获得人眼不可见波长下的近红外人脸图像。这种近红外人脸图像不会受到光照环境的影像，甚至可以在夜间或无可见光的情况下亦能获得。由于其获得方式与可见光人脸图像不同，表达了不同的人脸信息，因此我们可以对两者进行特征融合。这种近红外与可见光人脸的融合识别被称为异质人脸生物特征识别。人脸识别技术中的典型相关分析是多元统计分析的一个重要研究课题。本文首先研究了它的数学模型，以及求解算法。它借助主成分的思想，用少数几对综合变量来反映两组变量间的线性相关性质。典型相关分析的两组变量正好需要从同一个样本通过不同方式获得的两组变量，也就是说需要两组变量有一定的内在联系，正好可以用在对近红外与可见光人脸图像进行识别。典型相关分析可以用来对近红外与可见光人脸图像进行相关性的计算，计算出的两组综合变量可以反映出两者的整体相关性,使用这种相关性找出的特征在组合后可以用来进行分类。用向量表示图像虽然简单，但是在现实世界中，很多物体都是使用张量来表示的，使用向量来表示图像会在一定的程度上损失图像的空间信息，并且在进行典型想过分析的时候经常会造成矩阵的奇异。于是，我们把向量推导到矩阵，再从矩阵推到导张量。基于张量的各种人脸识别算法因为其在特征提取中可以保持样本的时空特性，因此张量分析成为了一个热门的话题。本文从类比典型相关分析与二维典型相关分析出发，推导出基于张量的典型相关分析方法，详细的叙述了张量典型相关分析的计算过程，给出了算法步骤。最后，通过实验确定了算法的迭代次数，以及识别率。验证了基于张量CCA的近红外与可见光人脸融合识别算法可以提升人脸识别的成功率，尤其是在提取特征小特征维数的范围内。