矩方法作为一种重要的图像分析工具，在计算机视觉及模式识别领域里有着广泛的应用。最近，离散矩被频繁的提出及应用。离散正交矩由于不需要积分的近似化，值的动态范围变化较小，不需要坐标空间的转换而具有比连续矩更好的性质。矩的应用也非常广泛，其一就是人脸自动识别技术。作为生物特征识别与情感计算领域的一个极富挑战性的交叉课题，人脸自动识别一直是广大学者致力研究的一个热门问题。 本文主要对矩的快速算法进行研究，并对基于矩的人脸识别系统进行了分析。其内容包括Tchebichef矩和Krawchouk矩的快速算法，Fourier-Mellin矩的不变量构造。BP神经网络和自组织神经网络的设计以及基于主分量分析(PCA)的人脸识别方法。 首先，本文介绍常用的Legendre矩和Zemike矩。然后引入了新提出的离散矩：Tchebichef矩和Krawchouk矩及其快速算法。并对矩的不变性进行了研究。 接下来，介绍了常用的主分量分析方法。设计了基于PCA的人脸识别系统，记录了计算所需时间。然后，介绍了常用的几种神经网络，并对BP神经网络和自组织神经网络进行了深入的研究。 最后，我们把矩与矩不变量和神经网络结合起来，用矩及矩不变量提取人脸特征，把神经网络作为分类器，对人脸图像进行识别。实验表明，Krawchouk矩与自组织神经网络取得了较好的识别结果。