人脸识别在模式识别领域的发展和应用方面都有着重要意义，目前是一个非常活跃的研究方向。人脸识别问题一般可以描述为：从背景图像中检测人脸；抽取人脸识别特征；最后进行匹配和识别。本文在人脸识别的三个主要环节上均进行了研究工作，主要工作体现在以下几个方面： (1)提出了基于子空间特征的人脸检测方法。论文中利用K-L变换得到特征脸子空间，进而得到样本在该空间上的投影系数。在此基础上，采用模糊聚类和加权K近邻分类器相结合的方法进行人脸检测，使得人脸检测速度明显提高。 (2)在基于子空间方法的人脸识别中，为了克服NMF方法不能提取图像局部特征信息的缺点，提出用局部NMF方法提取人脸子空间特征，该方法能够提取图像的局部特征信息，有利于提高人脸识别率。将Bagging思想用于神经网络，进一步提高神经网络的分类准确率和泛化能力。 (3)在基于几何特征的人脸识别中，为了克服眼睛定位不准确的缺点，提出一种根据几何特征定位人眼，然后采用特征眼模板进行二级验证的定位方法。 (4)考虑到子空间特征和几何特征反映的是不同模式的特征信息，提出综合集成的人脸识别方法。在综合集成过程中，为克服分类器权系数确定的不灵活性，提出基于神经网络和遗传算法动态确定权系数估计器的方法。 实验证明，基于以上方法的人脸识别，比单独采用子空间特征或几何特征进行识别，识别率明显提高。