现代信息技术的飞速发展，使得传统的身份验证方法，如用户名+密码、智能卡、证件等已经远远不能够满足实际安全性能的需求。特别是在美国遭受9.11恐怖袭击事件以后，人们的安全问题更是引起了国际学术界和企业界的广泛关注。人体丰富的生理特征(如指纹、脸像、虹膜等)和行为特征(如笔迹、声音、步态等)作为人体所固有的不可复制的生理特性，为身份认证提供了一个更具安全、保密和方便性的解决方案。其中，人脸识别相对其他生物识别技术而言，具有非接触性、非强制性、并发性等优点，在当前模式识别和图像处理领域内，是一个非常活跃的研究课题。当前，在被识别对象配合的情况下拍摄到的正面、无遮挡、光照均匀的高质量人脸图像，其识别率可以达到了95%以上，但是在非约束环境下，识别率急剧下降，难以满足实际应用需要。本文的主要工作和研究成果如下：1、利用ODVS(全方位视觉传感器)及高速快球摄像机获取监控场景对目标人体对象进行检测跟踪，最终获取可用于人脸识别的图像。ODVS可以获取全方位的视觉图像范围，高速快球摄像机通过摄像头和球机相配合，可以控制摄像头自由转动到所需要的角度，获取到人体目标对象不同角度下的多张头部图像。获取图像后，通过使用人脸检测算法来确定这些图像中有没有可以用于识别的人脸图像。如果没有检测出可用于识别的人脸图像，则还要利用软件系统反馈信息，控制高速快球摄像机进行再次拍摄，直到拍摄的图像可用于人脸识别为止。2、本文介绍了加权分块的两个方向上的二维主成分分析方法（ModularWeighted (2D)2PCA，MW(2D)2PCA）进行人脸识别。该方法能够有效地提取人脸的局部特征，通过对图像分块处理降低了姿态、光照等外部环境对人脸识别结果的影响，此外，引进模糊理论分类的人脸识别方法。实验结果表明，该方法相对传统的方法具有较高的识别率和较好的系统鲁棒性。3、本文最后给出完整非约束环境下人脸图像获取、人脸检测、人脸特征提取及人脸识别的实验过程。