众所周知,人脸检测与识别一直活跃在模式识别领域的研究前沿。找寻性能更加有效的人脸检测与识别算法,仍然是一个艰巨而富有挑战的工作。现实世界是五彩缤纷的。研究发现,颜色在人脸检测与识别中扮演了一个十分重要的角色。基于彩色图像的人脸检测和识别,无论是从现有算法性能上还是未来可提升空间上,都优于基于灰度或亮度图像的人脸检测和识别。因此,本文从彩色图像出发,对彩色图像的人脸检测和识别进行了研究,主要工作和内容如下：第一：分析和概括了人脸检测与识别的发展现状和基本方法。第二：分析了构造肤色模型的颜色空间和基于肤色模型的彩色人脸检测；将Fisher判别分析的思想应用到肤色与非肤色分割领域,通过样本训练构造了一个适于肤色人脸检测的“肤色判别颜色空间(SDCS)”。实验表明：在SDCS下,肤色与非肤色具有更好的可分离性。第三：介绍了Gabor小波变换的原理及其参数含义,进而介绍了基于Gabor的人脸描述方法；针对不同参数组合得到的Gabor滤波器具有不同的人脸描述性能,提出了一种“加权Gabor小波变换”人脸描述方法。在ORL、FERET和AR等3个人脸数据库上的实验表明：本文提出的“加权Gabor小波变换”的人脸描述方法优于直接的Gabor小波变换的人脸描述方法。第四：分析了适用于彩色人脸识别的颜色空间；在亮度与色度分离的颜色空间中,提出了一种“基于多特征的彩色人脸识别”方法。最后通过在AR彩色人脸库和NUST RWFED彩色人脸库上的实验表明了本文方法的有效性。