在生物特征识别技术中，人脸识别是一个最活跃的研究领域之一。虽然人脸识别的准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式，人脸识别技术结合口型识别，表情识别等技术可广泛应用于个人辩识，安全系统，交通流量控制，人机接口，会议电视，虚拟现实等方面。 　　本文以彩色图象人脸检测和灰度人脸图象特征抽取问题为研究对象，重点研究了彩色图象的人脸检测方法，灰度图象的特征抽取和人脸识别方法等问题，归纳如下： 1.基于颜色的皮肤区域探测:提出了一种新的色系坐标系r′g′b′，在这种坐标系下，无需对色度信息进行经验公式修正；并推导说明了在无法估计非肤色条件样本的概率分布情况下，用肤色条件下的概率分布来表征肤色点后验概率的原理；最后，经实验验证，应用本文提出的色系坐标系对肤色进行聚类是可行的。 2.基于颜色、知识和模板匹配的人脸检测:提出了一种新的将颜色信息和模板匹配方法相结合的由粗到精的人脸检测定位方法，具体的做法是先应用颜色信息探测、分割肤色区域；然后在各肤色区域中基于人脸头部生理知识排除非人脸区域；最后应用模板匹配法对可能的人脸区域进行模板匹配从而实现对人脸区域较精确的检测定位。其中分割、提取各连通肤色区域时，不采用常用的象素标记法，而是采用了一种新的方法：先求出肤色区域边缘，然后应用连通图的遍历算法求出各连通边缘及相应的外接矩形；在应用人脸头部生理知识时，提出了三条经验条件，通过它，可以排除大量的非人脸肤色区域。最后，经实验证明，本文提出的人脸检测方法是有效可行的。 3.基于颜色、知识和支持向量机的人脸检测:提出了一种新的结合颜色、知识和支持向量机(SVM)的人脸检测方法，首先利用颜色信息探测出肤色区域；然后利用人脸部的外形知识如长宽比等排除那些非人脸的肤色区域，从而得到可能的人脸区域；最后利用SVM对可能的人脸区域确定是否人脸。这样既能较快速的检测人脸区域，又能较精确地定位人脸。其中提出了一种新的获取初始非人脸样本的方法。最后，经实验结果对比证明，本文提出的人脸检测方法是有效可行的。 4.一种具有统计不相关性的广义最优判别向量集:提出了一种新的最优判别向量集即具有统计不相关性的广义最优判别向量集，推导了这种最优判别向量的求解公式，并给出了求解算法。经ORL数据库实验表明，该算法有较强的特征抽取能力。 5.一种变形的Fisher判别准则函数及相应的最优判别向量集:首先提出了一种新的最优判别向量集即无约束的最优判别向量集，并给出了求解算法；求解Foley-Sammon最优判别向量集和本文的无约束的最优判别向量集都要求类内散布矩阵非奇异，但当训练样本数目小于模式向量时，这点不能保证，较常见的方法是对模式向量进行降维处理，但维数降到多低就“足够”呢?有关文献指出，应降到c-1维(c为样本类别数)，本文推导并证明了了只需降到N-c维(N为训练样本总数)；通过对Fisher判别准则函数的变形，本文提出了一种变形的Fisher判别准则函数且证明了相应的最优判别向量集的存在性，并给出了求解算法。经ORL数据库实验表明，本文给出的两种方法都有较强的特征提取能力。 　　最后，对本文的工作进行了总结，并讨论了将来可能继续的研究方向。