随着人类安全意识的加强，人脸识别技术广泛地应用到社会的很多领域，但是不同的人脸识别方法因为受光照、姿势和表情变化的影响具有不同的鲁棒性，因而通过融合不同的人脸识别方法来提高人脸识别系统的性能，对于实际应用有很大的指导意义。 　　1.论文系统地分析了不同分类器融合算法，对其优缺点进行了比较。同时，以贝叶斯决策理论为基础，对kittle提出的多分类器融合算法的理论框架及其组合规则进行了详细的研究和讨论，并对Kittle提出的最大融合规则和最小融合进行了改进，提出了二次融合规则。 　　2.本文通过利用DCT+LDA方法提取表达人脸信息能力强的局部特征(左、右眼和嘴巴)，同时利用fisherface方法和简单频谱脸方法提取人脸的整脸特征，融合局部特征和整体特征，应用分类器组合规则，分类精度得到很大的提高。加法融合规则在ORL数据库上识别率高达98.45％，比识别率最好的简单频谱脸方法高5.35％，在FERET数据库上识别率达到90.39％，比Fisherface方法高10.09％，其中加权加法融合规则的识别率比加法融合规则稍有提高，二次融合规则在ORL数据库上的识别率为96.75％，FERET数据库上为84.02％，均高于单一的人脸识别方法，说明了算法的改进是有效的，同时也表明了将多分类组合应用于人脸识别是一种计较可行的思路。 　　3.通过实验，对基于局部特征和整脸特征的组合识别和基于整脸特征的组合识别在ORL和FERET数据库上进行了比较分析，实验数据表明，前者在性能上一般要优于前者，说明完全应用人脸的整体信息进行组合识别并不一定可以获得最好的识别结果。