人脸识别是横跨多个学科的研究领域，包括图像处理，模式识别和计算机视觉等。在智能身份鉴定、视频监控、唇语识别、表情提取等交互应用领域，人脸检测和识别是最基本和最重要的环节之一。由于人脸特征提取的比其它生物特征提取更为便捷，不需要太多用户的配合，自然友好等特点，被公认为是未来最具潜力的生物特征识别技术。完整的人脸识别系统包括前期图像预处理，人脸检测定位，人脸识别匹配和相关应用等。本文主要研究其中基本的人脸检测和人脸识别方法，并对其中的一些方法进行优化，主要工作有：(1)研究了基于神经网络的人脸检测方法，为了获得较好的区分能力，选用多层感知器作为神经网络的拓扑结构。由于灰度值不能表示稳健的特征，为两类分类问题带来很多不确定性，本文使用Gabor滤波结果作为分类器的输入向量，取得了较好的检测结果。(2)在基于隐马尔可夫模型的人脸识别中，由于采样窗口尺寸，重叠度和DCT系数对识别效率的影响显著，本文提出了优化参数组合的方式提高模型表征和识别效率，人脸识别匹配阶段，针对传统的Viterbi算法缺少模型区分性的问题进行了优化，在计算最佳路径链之前进行模型的筛选，提高了系统的识别速度。(3)由于人脸图像是二维数据，与一维隐马尔可夫模型相比，嵌入式隐马尔可夫模型的理论更适合对人脸建模。在对人脸的描述和区分能力上面，都要优于一维的模型。本文研究了基于EHMM的人脸识别，针对EHMM中二维参数重估算法的复杂性，提出了简化的EM算法，在超状态和子状态方向交替进行计算，降低了EHMM计算复杂度。