人脸识别系统主要由三部分构成：人脸检测和器官定位、人脸图像的特征提取和选择、人脸识别与认证。最近几年，人脸识别技术取得了前所未有的发展，但在实际应用中仍难以满足人们的预期要求。本文从以下两个方面研究了人脸识别技术： 首先研究面部器官定位问题。文中将遗传算法和支持向量机相结合，提出一种基于遗传算法和支持向量机的面部器官定位方法：根据人工标定的器官位置切割出训练图像，以支持向量机的分类错误为适应度函数，用遗传算法搜索最优特征，并据此构造低维子空间，在其上训练支持向量机分类器；进一步结合数学形态学、连通性分析和规则过滤降低误检率。基于BioID人脸库的实验表明，这种算法对光照、姿势和复杂背景具有一定的鲁棒性，在以两眼中心距离的1/2为参考时能够达到97％的定位准确率。 提出基于Gabor小波变换和boosting分类器的人脸识别方法。文中通过构造类内差和类间差将多类识别转化为两类识别问题：同一个人的多幅人脸图像做差作为正样本，不同人的人脸图像做差得到负样本；将Gabor小波变换用于正、负样本，得到不同尺度和方向的细节信息；应用实数AdaBoost算法，在训练分类器的同时完成特征选择。测试时，将待测试人脸图像与样本库中每幅训练图像做差，判定得到分类器最大输出概率的差值图像为同一个人的人脸图像做差所得，完成人脸识别。基于FERET人脸库的实验取得了89％的首位识别率。