人脸识别是模式识别领域中具有广阔应用前景的课题之一,它是一种基于图像信息处理的模式识别系统。随着社会的发展,科学的进步,人们对于身份鉴别的准确性、安全性与实用性也提出了更高的要求。由于生物特征具有自身稳定性和个体差异性,因此被选用作为身份验证最理想的依据。　　 本文首先综述了人脸识别的发展历史和现状,介绍了人脸识别的研究内容及常见的生物特征识别技术,给出常用的人脸图像预处理方法,通过人眼由粗略到精确的定位,对人脸区域进行几何和灰度归一化,然后将预处理后的人脸图像提取代数特征和纹理特征,并将它们送入复合人工神经网络进行聚类和识别,同时给出实验结果,并对结果进行分析。　　 在对人脸区域定位时,先采用灰度积分投影法和模板匹配法对人眼位置进行由粗略定位到精确的定位,然后再通过一定的裁剪比例从而得到人脸区域,再经过几何归一化和灰度归一化使得到的人脸图像在图像平面内的具有平移不变性并克服光照变化的影响。　　 特征提取时,采用K-L变换提取代数特征和采用灰度共生矩阵提取纹理特征的提取。识别分类器设计时,采用SOM网络和改进的BP网络组合的复合神经网络分类器:先将提取的代数特征送入SOM网络进行聚类,然后再将对应类别的人脸图像的纹理特征送入改进的BP网络进行精确识别。　　 最后本文对所做的研究做了一个全面的总结,提出了一些有待改善的地方,并对进一步的研究目标和发展方向作了展望。