本文对可视图像和红外热图像的人脸识别进行了研究。在可视图像的研究中用了PCA(Principal Component Analysis)算法，它降低了图像的维数，保持了图像间的差异性。利用了FLD(Fisher Linear Discriminant)方法，FLD有分类和压缩图像的功能，对光照不敏感，因此FLD和PCA的优点相结合有更高的识别率。对于红外热图像发现红外热图像相比于可视图像有更多的低频成分。另外，研究了后来发展的应用于人脸识别的隐马尔可夫模型方法。在可视图像人脸识别中，应用了基于奇异值分解的隐马尔可夫模型，在红外热图像人脸识别中用了基于K-L变换的隐马尔可夫人脸识别，降低了观察向量的维数，并且相比与只用隐马尔可夫进行人脸识别具有更高的识别率，降低了计算时间。