人脸识别是指根据人的脸部特征信息进行身份识别的一种生物识别技术,这项技术在当今社会中有着十分广泛的应用,例如：身份识别、视频监控、门禁系统、人脸自动对焦、照片整理等。完整的人脸识别技术包括：人脸检测、人脸校准、特征提取和特征分类。目前,人脸识别技术已有30多年的研究历史。但是直到今天,无约束的人脸识别仍然是十分困难的问题。因为随着光照、表情、拍摄角度等的变化,同一个人的人脸会看起来十分不同。因此,研究在自然条件下的准确且快速的人脸识别问题,是一项既有实际意义,又有挑战性的工作。本文提出使用形状索引特征来解决人脸检测和人脸识别中的脸部角度和表情变化问题。本算法首先利用人脸校准技术获得脸部多个基准点的位置,例如：眼角,嘴角,鼻尖等。然后以个基准点为中心建立局部坐标系。最后在这些局部坐标系中提取特征。形状索引特征充分利用了人脸内部形状结构的特点,确保在脸部角度和表情变化时,依然能够在正确的位置上提取特征,从而提高了特征的判别力。此外,为了在人脸检测中使用形状索引特征,本文提出了同时处理分类和回归问题的联合层叠模型。该算法在区分人脸和非人脸区域的同时,也会预测脸部各个基准点的位置。它将人脸检测和人脸校准整合到同一个任务中。本文还提出形状索引高维特征和联合贝叶斯模型,它们在人脸识别任务中取得了非常高的识别率。同时为了将我们的人脸识别算法更好的应用到实际中,我们提出了旋转稀疏回归算法,它在几乎不损失精度的情况下,大幅减少了高维人脸特征在降维过程中的计算和存储开销。我们的算法在各种数据库进行了广泛的测试,实验结果均表明我们的算法能有效提高人脸检测和识别的精度。其中,我们的人脸检测算法在FDDB和AFW数据库上均取得了第一名。