针对人脸特征提取,本文在前人研究的基础上,以归一化伪zernike矩为理论基础,提出基于归一化伪zernike矩的人脸识别特征提取方法。首先计算人脸图像的伪zernike矩,然后用该图像的(0,0)阶几何矩对其进行归一化处理,最后采用最小邻近分类器进行判别。实验结果表明该人脸识别算法能够提取样本特征,在人脸尺度及平面姿态旋转变化时具有较高的识别率,采用基于伪zernike矩的特征提取方法要优于传统方法。针对人脸识别,本文以BP算法和RRA理论为基础,采用BP_RRA作为人脸识别分类器,结合归一化伪zernike矩,提出一种基于归一化伪zernike矩和BP_RRA神经网络的人脸识别算法。首先提取人脸特征并降维,即计算训练样本的归一化伪zernike矩值。然后把矩值带入BP神经网络进行训练,并用进化算法RRA对BP网络的连接权值进行优化处理,使其能够快速收敛、避免陷入局部极值。实验结果表明本算法的识别率较高,能够针对不同类别进行有效的训练,对面部表情变化、一般光照及姿态变化具有良好的鲁棒性。