人脸识别现在应用于安全部门、电视会议、身份鉴别、数字监控等领域。与其它生物特征识别技术相比,人脸识别技术有着广泛的应用前景,特别是在可用性、可操作性等方面,人脸识别具有很好的技术优势。人脸识别研究涉及到模式识别、图像处理和神经网络等学科,己成为模式识别、图像处理科学的一大研究热点。人脸识别构成主要有三部分：图像数据的预处理、数据的特征提取和分类判别,本文着重研究了特征提取,重点解决在光照变化、表情变化的情况下的人脸识别问题。在预处理阶段本文主要对人脸样本的图像进行预处理主要采取的方法有图像均衡化处理,Gamma灰度校正和基于LOG-DCT光照预处理方法,这些工作有效的改善图像质量、降低计算复杂度,从而提高后续算法的收敛速度。在特征提取方面本文主要研究内容包括以下几个方面：先后介绍主成分分析(PCA)方法、线性判别方法(LDA)方法、独立成分分析(ICA)方法等重要的人脸识别算法的基本原理和实现过程,指出各传统算法存在的问题给出解决的方法,并通过实验操作分析比较算法的优缺点。本文还介绍了基于对数离散余弦变换域的人脸识别方法。针在人脸识别过程中离散余弦变换求解逆变换的时间复杂度较大的缺点,本文引入判别力分析(DPA)的方法,使得人脸识别过程跳过了离散余弦变换求解逆变换的步骤。实验结果表明,判别力分析(DPA)的方法与离散余弦变换方法相结合使用,在人脸姿态变化、表情变化等情况下有较高的识别率。DCT+DPA方法跳过离散余弦变换逆变换步骤,减少了计算时间,提高了识别效率,在人脸识别方面是个行之有效的方法。在最后本文提出了一个改进的加权PCA算法,通过使用LDA算法依据判别能力大小来找出人脸识别所需的主成分,提高人脸识别率,该改进算法主要解决二类分类问题。