人脸识别是指基于已知的人脸库，充分利用图像处理和模式识别等技术从静态或动态场景中识别或验证人脸的一个过程。由于人脸识别在犯罪身份识别、身份证及驾驶执照等证件验证、银行及海关的监控、自动门系统、视频会议等方面都有着广泛的应用，所以人脸识别是一个非常有意义的研究课题。 人脸识别的研究内容主要包括人脸检测和定位、人脸表征、人脸识别、表情/姿态分析、生理分类五个部分。本文针对复杂背景下的人脸图像，将基于Adaboost的人脸检测算法、基于灰度和人脸几何特征的特征定位算法与模板匹配相结合构建了人脸识别实验系统，采用多个人脸数据库进行了一系列的实验研究。并独立地对人工神经网络分类器进行了研究，用专用的神经网络人脸库进行了测试。本论文首先介绍了Adaboost人脸检测算法，该方法比基于肤色的方法以及其他一些人脸检测算法更加稳定、可靠，效果好。人脸特征定位采用灰度与人脸特征几何关系相结合的方法，效果好，且简单易实现。人脸识别采用了模板匹配和BP神经网络的方法，模板匹配与基于几何特征的方法相比较更适应人脸表情的变化，神经网络方法避免了特征提取的工作，比其他方法比较具有适应性强的特点。 本论文对两种人脸识别方法分别进行了实验测试，在一定条件下实验结果表明，本文中的基于模板匹配的方法识别率要高于基于几何特征的方法，且算法简单，特别是在光照变化不明显的情况下效果更好。本文中的基于BP神经网络系统的人脸识别方法识别率很高，超过了90％，达到了我们的实验要求。