近几年以来，人脸识别由于它具有直接、友好、方便、易于被用户所接受等优点，成为比较热门的研究应用方向。一个人脸识别系统主要由三个部分组成：人脸检测，特征提取，人脸识别。人脸识别的研究主要集中在速度和识别率两个方面。因为一个人脸识别系统能不能应用到实际中，主要取决于它是否是一个快速，高效的应用系统。目前，人脸识别的各个环节都具有了各自比较经典的算法，人脸识别正逐步走向成熟。 本文首先总结了人脸识别技术的发展和应用情况，然后对人脸识别系统中的三个部分做了比较详细的全面探讨。重点研究了基于先验特征类的人脸检测和基于后验学习和训练类的人脸检测。本文主要完成的工作有：(1)设计并实现了一个在非线性分段色彩变换空间中基于肤色模型和边界轮廓的人脸检测系统。并且对实验结果进行了分析，得出这类人脸检测的鲁棒性不是很好，对图片的约束比较多。(2)重点探讨了基于Adaboost学习算法的人脸检测，运用扩展的矩形特征，结合分级分类器的概念，利用MicrosoftVisualC++6.0和OpenCV为开发平台，构建了一个人脸检测系统，并且做成了MFC，给用户提供了非常友好的检测界面，实现了计数的功能，从而可以直接得出检测到的人脸数。(3)对这个检测系统做了大量的测试，主要是三大类测试：对ORL人脸库的测试，对CMU人脸测试库的测试，以及对生活中随机选取的一些照片的测试。并且对检测结果进行了详细的分析。实验结果表明本文构建的人脸检测系统具有较高的检测率，较低的误检率，对光照，遮挡物，姿态等有比较好的鲁棒性，可以实现人脸检测的实时性。(4)介绍了基于隐马尔可夫模型的人脸识别算法，并且进一步分析了HMM的改进模型eHMM(嵌入式隐马尔可夫模型)。同时还对基于HMM的人脸识别算法流程进行了分析，特别是训练和识别流程。最后对基于eHMM的人脸识别算法进行了测试，对实验结果进行了描述和分析。