人脸识别是当前非常热门的一个生物特征识别领域,它涵盖了图像处理,计算机视觉和模式识别等前沿技术,在人机交互,安全监视,机器人,身份认证等方面有着广阔的应用前景。目前的人脸识别系统主要是基于二维图像的,但由于受到姿势、光照和表情变化等因素的影响,无论理论方面还是应用方面,基于二维图像的人脸识别方法的有效性和鲁棒性受到了很大的削弱。三维人脸模型是解决目前问题的有效方法之一,但基于三维人脸模型的人脸识别仍是基于二维图像的,而且三维模型的真实感、参数优化等问题与实际应用仍有一段距离。因此,到目前为止,人脸识别技术还远未成熟,建立一个鲁棒的实时自动人脸识别应用系统仍然有很长的一段路要走,而其成功将很大程度上依赖于认知科学,神经科学,计算机视觉,模式识别,人工智能等多学科的突破和交叉研究!目前主流的人脸识别方法主要是基于统计学习模型的二维人脸识别,包括基于全局特征和基于局部特征学习的方法。典型的基于全局特征的方法有Eigenface,Fisherface,Laplacianface等,而基于隐马尔可夫模型的人脸识别则是基于局部特征的模型学习方法。本文主要研究的是基于统计学习方法二维人脸识别问题。本文的主要贡献如下:1)系统综述了人脸识别的发展历史和研究现状。详细总结了基于几何特征方法、弹性图匹配、神经网络、隐马尔可夫模型、子空间学习、流形学习、三维模型等各种人脸识别方法。通过分析和比较各种方法的优缺点,为各种方法在人脸识别中的应用指出了改进之处,它们的发展方向提供了一些建议;2)针对EHMM模型应用于人脸识别时没有很好的解决特征提取问题,提出了基于DCT域PPCA的特征提取方法。由于EHMM具有严密和丰富的体系结构,以两层结构从粗到细很好的描述了人脸的局部结构和全局结构,因而具有很好的发展前景。但这种方法的有效性仍然依赖于所提取的采样窗口的特征,即这