随着现代科学技术的发展，生物特征识别技术在近些年的研究中逐渐成为一个热点，随之产生的众多的研究成果和产品，被广泛应用在各类信息安全、金融交易、社会安防、出入境管理、行政、交通、医疗等领域，在社会生活的各个方面都起到了显著地作用。到目前为止，生物特征识别技术中较为成熟的技术有人脸、虹膜、指纹、掌纹、人耳、手形等识别方法，其中人脸识别因其所具有的非接触式、简单快捷等优势，成为目前生物特征识别领域中研究的主流对象，但是由于人脸图像易受光照、角度、年龄、环境变化的影响，且人脸图像之间又具有高度的相似性，因此如何快速准确的进行人脸识别，就成了研究人脸识别技术时必须要考虑和解决的问题。本文即针对上述问题，对人脸识别技术中较为常用的弹性束图匹配方法和隐马尔科夫模型方法进行了较为深入的研究，主要的工作和成果有以下几个方面：1.全面概述了目前人脸识别领域中使用较为广泛的几种识别方法，对其所采用的理论依据、具体实现方法进行了分析比较，总结和归纳了这些方法在处理人脸识别问题时分别所具有的优势和缺陷。单一方法在处理人脸识别问题时总是具有一定的局限性，提取的单一的人脸特征也易受到环境因素的影响，因此多种方法或特征的融合，可以避免使用单一方法的缺陷，扩大算法的适用范围，提高抗干扰性。2.针对基于弹性束图匹配的正面人脸识别方法中不同频率的特征值对于人脸图像识别率影响的差异性问题，提出了一种利用权值分配对小波系数进行优化的方法，由于变换后得到的小波系数对于人脸图像识别率的影响大小不一，因此对其进行分类并赋予相应的权值，使得可以提高识别率的小波系数所占的权重更大，从而显著增强不同人脸弹性图结构之间的差异性，通过算法验证系统的检验，改进后的方法可以有效提高识别率。3.通过对基于隐马尔科夫模型的人脸识别系统的研究和分析，采用奇异值作为特征向量构建隐马尔科夫模型进行人脸识别，由于奇异值向量具有稳定性、位移不变性、转置不变性、与对应图像亮度成比例变化等特性，因此对于人脸图像易受到的光照、角度、环境等因素的影响具有一定的鲁棒性，相对于直接采用图像灰度值和二维离散余弦变换值所做的识别结果，采用奇异值分解的隐马尔科夫模型人脸识别方法可以得到更高的识别率。