在众多的身份验证方法中，生物特征认证技术由于使用了人体本身所固有的特征，具有更高的安全性、可靠性和有效性，因此越来越受到人们的重视。以人脸为特征的识别技术是一种最容易被接受的身份验证方法，近年来已成为国际的研究重点，有着重要的研究价值和应用价值。 本文研究并实现了一个基于人脸识别的身份验证系统，主要工作如下： (1) 本文根据人脸肤色在颜色空间分布的特殊性，采用基于肤色的人脸检测算法，利用肤色模型对人脸进行粗检测，再由人脸的面部特征进行验证，最终检测到人脸所在的区域。 (2) 为了准确提取人脸特征，对检测到的人脸图像进行格式转换、去除噪声、二值化和标准化等预处理。 (3) 本文对现在的奇异值分解方法进行了改进，提出基于傅立叶变换和奇异值分解相结合的方法。首先对人脸图像进行傅里叶变换，得到其具有位移不变特性的振幅谱表征；然后，从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解，求出标准特征矩阵，再将人脸的振幅谱表征投影到标准特征矩阵，得到的投影系数作为该人脸的模式特征。 (4) 对经典的最近邻分类器算法进行改进，并采用模式特征之间的欧式距离作为相似性度量，从而完成对未知人脸的识别。 本文所设计的身份验证系统，除了对算法的优化设计外，更加重视系统设计，以发挥其算法的效能。