人类身份验证形式从古至今经历了很长时间的变革,随着数字时代的来临,基于生物特征识别的身份验证技术已开始显现出它的价值。人脸检测识别技术是基于人脸特征来进行身份识别的技术,与其他识别方式相比,由于人脸始终暴露在外面,采集人脸特征有直接、友好、方便的特点,因此自动人脸识别己成为人工智能和人体生物特征识别领域的一个重要研究方向,也成为模式识别与计算机视觉领域内一项受到普遍关注、十分活跃的课题。本文通过构造人脸检测模块和人脸识别模块组成一个人脸识别身份验证系统,创新性的对BP神经网络进行了改进,提出了基于聚类的非平衡二叉树支持向量机概念,并通过分析实验数据验证了方法有效性。具体完成工作如下:首先,对人脸识别技术研究背景和现实意义进行了简单的介绍,并对当今研究现状及应用领域进行概括。其次,基于传统支持向量机优良性能分析,提出非平衡二叉树支持向量机概念,通过FastICA算法进行图像压缩,运用改进的添加附加动量、可变学习速率BP神经网络进行人脸检测实现。再次,应用Gabor滤波器特征提取,Hopfield神经网络压缩,运用非平衡二叉树支持向量机通过实验样本仿真数据分析系统的可靠性。最后,实际应用到现实身份验证过程中,通过试验进一步验证整个系统完整性与可用性,并进行总结展望。