人脸识别技术是一种应用非常广泛的、易于人们接受的、可靠的生物特征识别技术。它属于图像的模式识别领域，是一种非常典型的、大数据量的、高维的模式识别应用案例。长久以来，研究者们对于人脸识别的研究从未间断。人脸识别技术已经在智能监控、人机交互、安全交易等领域，得到了广泛的应用。人脸识别现已成为了一门独立的研究课题。本文从人脸自动识别技术的理论出发，对人脸的实时检测、特征提取（降维）、匹配识别，做了详尽的阐述，最后，给出了相关环节的算法实现。在校期间所在研究与创新性工作的具体内容如下:(1)针对图像采集过程受到的各种各样的制约与随机噪声的干扰，本文介绍了几种常用的图像预处理方法，如图像的灰度变换、图像滤波、几何校正、图像缩放、直方图均衡化等等，并将它们应用于人脸图像的实时检测、特征提取等各个系统实现环节。(2)详细的介绍了一种基于AdaBoost的人脸实时检测算法的同时，借鉴级联分类器思想，提出了一种加权级联强分类器的人脸实时检测算法。实验结果表明，该算法在不增加时间复杂度的前提下，提高了AdaBoost实时人脸检测的检测率。(3)在PCA的基础上，分析了2D-PCA算法，进而提出了一种基于整体、感兴趣区域与非感兴趣区域加权分块的2D-PCA算法，通过不断的调整权值，最终找到最优解。实验表明该算法提高了人脸判定的准确率，且判定速度不逊于普通的2D-PCA算法。(4)深入的研究了统计学习的理论和方法，受PCA支持向量机算法的启发，提出了一种加权2D-PCA支持向量机的算法，该算法在样本数量不一致且大样本数量远远多于小样本数量情况下，对于小样本的分类精度较大幅度的提升。本文所有算法均是基于Intel的计算机开源视觉库OpenCV，并使用VS2010集成开发环境实现的。