人脸识别是模式识别中的典型问题.从二十世纪九十年代开始,人脸识别问题引起了广泛的关注和讨论,大量的算法和系统在公司和大学的实验室里得到实现.人脸识别系统通常需要解决几个关键问题,如人脸检测,人脸跟踪,人脸矫正和人脸识别.该文将讨论其中的人脸检测和人脸识别问题.人脸检测是指从静止或者运动的图像中提取人脸并确定其位置的过程,而人脸识别可以看作典型的模式识别问题,包括对人脸特征的提取和人脸的模式匹配.目前,基于统计的模式识别算法在人脸识别中得到了广泛的应用,并取得了相当好的研究成果.人脸识别系统的主要难点在于光照变化、人脸表情变化、姿态变化、遮挡,年龄变化等干扰因素.对于人脸检测问题,该文将讨论基于肤色模型的的人脸区域分割算法和基于简单特征的多级快速人脸检测算法,及相关的实现问题.对人脸识别问题,该文将讨论基于线性子空间分析的人脸识别算法(包括主成分分析和线性判决分析)和基于差值图像空间的贝叶斯分析的人脸识别算法,以及它们的系统实现.该文同时讨论信息融合的基本概念和有监督学习问题的多分类器融合理论,并在此基础上,提出并实现一个基于分类器融合的自动人脸识别系统.实验表明,特征和分类器的融合能有效提高人脸检测器和人脸识别器的识别效果,而通过扩大训练样本的代表性,则能有效提高人脸检测和识别算法在测试集上的推广能力.