人脸识别是人类最杰出的认知能力之一，让机器人具有人的智能，使它可以像人类一样记忆、识别人，一直是众多计算机科学工作者追求的目标。随着社会的发展、科技的进步，对方便、可靠、自动身份鉴别的实际需求日益迫切，人脸识别重新成为机器智能研究的热点问题。研究人脸识别，其意义不仅仅在于推动图像处理、模式识别理论与应用的发展，满足身份验证、基于内容的检索等实际需求；同时由于人脸模式的特殊性，对人脸识别进行应用研究，对推动认知科学、生理学、心理学等相关学科的研究也有积极的影响。 本文分别对人脸检测和人脸识别问题的现有理论和算法进行了回顾、探讨，在此基础上，针对某些环节提出了新的算法，主要工作总结如下:第一部分为全文的绪论。对生物识别技术和人脸识别技术的分类和发展现状进行了分析和综述。最后，对人脸自动识别系统的构成进行了详细的论述。 第二部分为人脸的检测与定位。研究了各种人脸检测方法，着重研究了基于面部重要特征的人脸检测与定位方法以及各种投影函数在眼睛识别中的应用。最后，提出了一种基于眼部特征的定位算法，给出了实验结果，验证了该算法的有效性，并分析了误差产生的原因和解决办法。 第三部分为人脸图像的特征提取。分析并讨论了小波变换和奇异值分解的理论基础，以及在人脸识别中的应用。在此基础上，我们提出了一种新的特征提取方法－基于小波和奇异值分解的人脸特征提取方法。最后，详细阐述了采用新的基于小波和奇异值分解的人脸特征提取方法的识别过程，并给出了精确的实验数据，验证了我们所提出的人脸特征提取方法的有效性和实用性。 第四部分针对分类器的设计，本论文分析和讨论了传统的单一分类器和新型的多分类器系统。着重分析了加权距离分类器和最新的支持向量机分类器。最后，提出了一种新的多分类器组合算法－基于加权距离和支持向量机的多分类器组合。通过在ORL人脸库上的实验，验证了我们所提出的分类器设计方案是有效可行的。至此，整个人脸识别过程基本完成。