人脸识别是图像处理,机器视觉,人工智能的一大研究热点。随着科学技术的不断发展进步,人脸识别系统被广泛用于访问控制,公共监控,金融支付等领域,与传统的密钥、签名等方式相比,利用人脸识别来进行身份的认定更为方便易行。利用云平台可以对人脸图像数据进行存储,然而,存储于云平台的图像数据可能会受到攻击而被窃取,数据的安全和隐私问题愈发明显。而人脸作为生物特征具有唯一性,一旦遭到窃取将难以修改,因此其危害性比签名等传统验证方式遭到泄漏更为巨大。目前大多数的人脸识别方法都未对加密人脸进行研究,因此研究加密的人脸识别具有较大意义。针对这一问题,从保护数据隐私安全的角度出发,本文主要进行了以下的研究:1)研究了基于神经网络与离散余弦变换的加密人脸识别算法,用以保护原始图像数据的安全,主要分为人脸图像数据的加密,图像特征提取以及训练和测试神经网络三个过程。在加密阶段利用Logistic Map与离散余弦变换的优良特性实现对图像数据的加密,保护数据的安全。利用PCA算法进行预处理提取图像的特征并作为BP神经网络的输入用于训练和测试神经网络。实验结果表明,该算法具有良好的识别率以及鲁棒性。2)研究了基于神经网络与离散傅里叶变换的加密人脸识别算法,该算法采用更为复杂的Tent混沌映射产生密钥,增强密钥的复杂性,进一步加强人脸图像的安全,在DFT变换域内完成图像的加密,最后结合PCA算法与神经网络完成人脸的识别。实验结果表明,本章算法具有较好的鲁棒性与识别率。3)研究了基于神经网络和DWT-DCT的加密人脸识别算法,以进一步的保护图像数据隐私,提高数据安全。算法利用高维混沌 Henon Map与一维混沌Logistic Map两个混沌序列增强密钥的安全性,结合图像频域空间的稳健性,进一步提高算法安全性。通过仿真实验和算法对比表明该算法对于常规攻击,几何攻击以及遮挡攻击具有较好的抵抗能力。