传统的身份鉴别技术不能再适应社会的发展,人们迫切需要开发出新的身份鉴别方法,人脸检测与识别技术就是众多新出现的最具潜力的身份鉴别方式之一,得到了广泛关注。但由于人脸形态及表情的多样性和所处环境的复杂性,使得人脸检测与识别技术真正投入应用尚存巨大挑战。在总结现有的人脸检测和识别算法的优缺点基础上,本文对人脸检测与识别的部分关键问题做了细致而深入的研究和探讨。本文的主要研究内容成果包括以下几个方面： 1、提出了一种基于肤色模型和RBF网络相结合的人脸检测方法：该方法先是利用肤色模型进行肤色区域(包括人脸候选区)的初步选定,接着构建了一个RBF网络用来对所得到的肤色区域进行验证,判断其是否为人脸。实验结果表明,该算法能有效地将图像中具有复杂背景的人脸检测和定位出来,具有较好的实时性、鲁棒性,同时该算法基本消除了饰物、表情和姿态等因素的影响。 2、提出了一种结合二维主成份分析和独立成份分析的人脸识别方法：首先利用二维主成份分析对人脸数据进行压缩和去除二阶相关性,接着利用独立成份分析对前一步的结果进行高阶统计相关性去除,并提取出人脸数据的独立分量,将这些独立分量张成人脸图像样本的投影子空间,把训练和测试样本在子空间投影,得到相应的投影系数,采用Pearson系数、两向量夹角余弦作为相似性度量。实验结果表明,该方法具有良好的识别性能。 3、探讨了特征子空间的维数与本文提出的人脸识别方法的识别率之间的关系。实验结果表明,子空间的维数与识别率之间存在密切关系。 4、探讨了基于回归分析和假设检验的分类器性能。在FERET人脸数据库上验证了该分类器的分类能力,结果表明,其分类性能优于基于欧氏距离结合最近邻分类器的分类性能。