人脸识别是应用数学、数字图像处理和模式识别的交叉学科,是生物特征识别中一个比较活跃的领域。生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,因此它是身份验证的理想依据。其中,利用人脸特征又是最自然直接的手段,与相比其它生物特征相比,它具有直接、友好、方便等优点。人脸识别过程一般可以分为人脸的检测和预处理、特征提取、匹配识别三个部分。本文对特征提取、匹配识别这两个过程做了较为详细的介绍。特征提取是人脸识别中的根本问题,提取的特征应保证最具有代表性、信息量大、冗余量小,而且要求在干扰下也能保持一定的不变性和适应性。在本文中主要介绍了主元素分析、线性判别分析以及这几种方法相结合的特征提取方法。通过实验并对这几种方法的性能进行了比较。识别匹配部分主要介绍了基于贝叶斯的人脸识别方法,由于模式矢量的维数太大,所以首先我们要使用主元素分析的方法进行降低维数,在选择类内子空间时我们加上自适应因子,这样得到的特征能够更好地描述图像特征的差异,从而提高了识别率。我们还介绍了一种最大信息协方差矩阵估计的方法,将其应用在贝叶斯识别方法中不仅解决了小样本问题而且大大提高了识别率。