作为一项安全性较高的生物特征识别技术,人脸识别技术已经成为多个相关领域的研究热点,并在罪犯搜索、安全防范以及视频监控等许多领域有着广泛的应用,对人脸识别技术的研究具有十分重要的理论意义及应用价值。本文在前人研究的基础上,对人脸识别的一般步骤进行了研究并提出了相关的改进算法,设计并实现了一个基于OpenCV的人脸识别系统,主要的工作如下:　　(1)介绍了人脸识别技术的研究背景、意义及国内外研究现状,分析了人脸识别的一般过程及面临的挑战。　　(2)研究了AdaBoost人脸检测算法的基本原理和实现步骤,用Haar(哈尔)特征和AdaBoost分类算法实现了的人脸检测,并确定人脸的一个大致区域,再次使用AdaBoost算法在此区域中对眼睛进行定位,然后对人脸图像进行标准化处理,包括几何归一化和对归一化图像进行椭圆掩膜,最终获得了人脸的标准化图像。　　(3)研究了基于主成分分析(PCA)和线性判别分析(LDA)的人脸识别算法,分析了各个方法的优缺点,并简要阐述了在使用过程中存在的问题及解决方法。在此基础上提出了一种LDA的改进算法,定义了一种新的鉴别准则函数,使样本的最优分类问题转化为多目标规划的问题,并利用最速下降法对问题进行求解,从而消除了矩阵奇异的制约,大大降低了计算的复杂度。然后采用基本的最近邻分类方法进行人脸的分类识别。　　(4)通过理论研究,在Visual Studio2010开发环境下,设计并实现了一个基于OpenCV的人脸检测识别系统,并分别采用ORL标准人脸数据库和自建人脸数据库对本文所提算法做了大量验证性实验,测试结果如下:平均识别速度为10.3ms,识别率达到96.4％。结果表明:本文采用的人脸识别算法所实现的系统拥有着很高的识别率的同时具有良好的鲁棒性和检测识别速度。