人脸检测和人脸识别是新一代(第四代)人机交互中的关键技术，具有很高的学术价值和应用潜力。同时，人脸检测和人脸识别又是一个极具挑战性的课题。这些课题得到了研究者的广泛关注和深入研究。与其他的生物特征相比，基于人脸的检测与识别的生物鉴定技术具有无侵害性、成本低等优点，具有广阔的应用前景。 本文从构造一个自动化的、鲁棒的、实时的、基于模块化设计的先进人脸检测与识别系统出发，对人脸识别和人脸检测两方面进行了深入的研究，并在文中给出了自动人脸识别系统(AFRS)的设计框架。本文的创新主要表现在： 1.提出了层次式积分投影并将其应用到人脸的特征提取上，并用BLVQ算法对人脸模式建模，从而实现了基于BLVQ算法的人脸检测算法。在本文中，我们提出首先用层次积分投影和一维小波特征进行结合以描述图像特征，然后采用批量学习矢量量化算法(BatchLearningVectorQuantitym，BLVQ)对“人脸”和“非人脸”模式的分布进行建模从而实现人脸的检测。这种算法对于复杂背景下的人脸检测具有较好的效果。 2.提出了二维线性判别分析(TwoDimensionalLinearDiscrimantAnalysis，2D-LDA)方法，并将其成功地应用到提取人脸特征上。针对人脸识别中的小样本问题，本文提出了一种新的特征提取算法：二维线性判别分析(2D-LDA)。这种方法并不需要将图像矩阵变换为矢量，而是直接在图像矩阵上计算类内散度矩阵和类间散度矩阵，从而避免了小样本空间问题(SmallSampleSizeProblem，SSSP)。同时，由于直接采用图像矩阵作为投影对象，2D-LDA具有很高的识别率和很低的计算量。本文通过大量的实验数据证明了本算法的优越性。 3.提出了一种新的人脸识别算法：二维Gabor费舍尔分类器算法(2D-GFC)。该算法采用Gabor小波对人脸图像提取特征，并通过构造一个二维Gabor特征矩阵以用来描述人脸图像的Gabor特征，然后得到的人脸图像的二维Gabor特征矩阵直接作为分析和处理的对象，用2D-LDA算法对其进行分析和降维，从而成功地构造了一个基于二维Gabor特征的Fisher分类器算法：2D-GFC。本文通过大量的实验证明，2D-GFC不但有很高的识别率，而且其时间开销最小，同时对光照、表情变换等情况非常鲁棒。 4.介绍了第四代人机自然交互系统中人脸自动识别系统AFRS的设计思想和实现技术，并提出了AFRS的构造框架。AFRS系统真正实现了一个廉价的、自然的、友好的人机交互的接口。除了在第四代人机交互系统中具有重要的应用，我们还将AFRS系统成功地应用我们的另外一个课题“智能实验室(SmartLab)”中。该系统在新一代的人机交互、安保、视频监控等方面有着广泛的应用前景。