随着科技不断地进步,信息安全越来越受到人们的重视,生物识别作为信息安全方面使用的重要方法,也得到了深入的研究。人脸识别由于具有快捷,友好的特点,广大用户能都很好的接受,所以得到了大量的应用。隐Markov模型(Hidden Markov Model,简称HMM)是一种统计模型,首先在语音识别方面得到了广泛的应用,然后逐渐应用在了人脸识别方面。HMM作为一种人工智能化算法,拥有牢固的统计学基础与有效的训练算法,因而在语音识别领域得到了广泛的应用,但在人脸识别方面未能得到充分利用。本文首先介绍了人脸识别的基本内容和研究人脸识别有何意义,对人脸识别的前期工作了简单介绍,主要包括预处理和特征提取。其次介绍了隐马尔科夫模型(HMM)的基本原理与描述,实现隐马尔科夫模型需要解决的三大问题及其解码问题,在实际应用中如何解决隐马尔科夫模型的溢出问题。由于人工神经网络(ANN)具有抗噪声、自适应、学习能力强、识别速度快、鲁棒性等优点,考虑到语音识别与模式识别具有的共性特征与人工神经网络的特点,本文将隐马尔科夫模型(HMM)与人工神经网络(ANN)相结合得到HMM-ANN,用人工神经网络去补足隐马尔科夫模型的一些不足之处。紧接着实现了隐马尔科夫模型(HMM)在人脸识别方面的应用。使用本文的HMM模型在ORL人脸数据库与Yale人脸数据库上进行实验对比：在ORL人脸库上的实验结果表明,HMM-ANN混合模型比HMM模型识别率提升了5%;在Yale人脸库上的实验结果表明,HMM-ANN混合模型比HMM模型识别率提升了2%。根据两个人脸库上的实验结果,对HMM和HMM/ANN算法做了分析,该算法仍然存在很多缺陷,还有很大的改进空间。