随着微电子、计算机和网络技术的发展,传统的身份鉴别方法,如标识号码、磁卡、IC卡等,正面临着严峻的考验,迫切需要研究出新的个人身份鉴定方法。由于人体的很多特征具有单一性的特点,人们把目光转向了利用人体生物特征进行识别的技术,目前指纹、虹膜等识别技术也已经达到了很好的识别效果。与利用指纹、虹膜等其他人体生物特征进行个人身份鉴别的方法相比,人脸识别具有直接、友好、方便的特点,是进行身份确认的最自然直接的手段。正是因为如此近年来在国际上有很多研究者对基于人脸特征的身份识别和验证进行了大量的研究。一个完整的人脸识别系统包括人脸检测和人脸识别两个部分,本文主要针对人脸识别技术研究了进行了相关研究。对人脸图像预处理、特征提取及分类器设计进行了深入的研究。在预处理阶段,对图像进行了直方图均衡化处理以及脸部器官定位。对于人脸图像特征的提取,本文采用了PCA方法。利用K-L变换获得的正交基底的线性组合来描述、表达和逼近人脸图像,并提取人脸的特征。分类器设计采用了一种新的线性判别函数。传统的Fisher线性判别分析(LDA)在进行人脸识别这种小样本问题分类时常常遇到类内散度矩阵S_w奇异的情况,而无法直接应用。本文提出的线性判别准则,在对类内散度矩阵无奇异性要求的情况下,找到在此准则下最优的权向量。最后设计了一套识别系统,在ORL图像库上进行了实验,取得了较好的识别效果,证明了提出的方法是可行的。