人脸与指纹、虹膜等一样，是人体所固有的生物特征，由于其方便性、唯一性、不易丢失和被窃取等特点，人脸识别作为身份验证的一种，已被广泛的应用到诸多领域。如何提高人脸识别系统的速度及准确率，成为人们更加关注的问题。本文主要是对人脸识别系统中的图像处理、人脸检测和人脸识别三个环节进行研究。首先，叙述了人脸识别的研究背景、当前国内外发展状况和仍然存在的难点等，并详细介绍了人脸识别系统的组成结构。其次，对采集的人脸图像进行预处理，包括光照预处理、去噪处理和尺寸归一化处理。在去噪处理时，提出采用中值滤波和高斯滤波两种滤波方法相结合的去噪方法。然后，利用肤色特征对输入的图像进行肤色分割，再利用人脸的几何特点对分割后的肤色进行筛选，精确定位人脸。重点对人脸识别中的特征提取模块进行研究。主要包括介绍了基于局部二值模式(Local Binary Mode，LBP)和基于主成分分析法(Principle Component Analysis，PCA)的提取原理，并分析了各自的优缺点。在此基础上，对LBP算子的提取提出了改进，并利用PCA能够降维的特性，对改进后的LBP算子进行降维，分别在FERET和ORL两个人脸库上进行识别实验。从实验结果中可以得出：本文的识别方法在提高系统准确率的基础上，还加快了系统的识别速度。最后，本文利用OpenCV开源库，搭建了一个人脸识别系统，经过测试，系统实时性好，能够完成人脸的实时检测与身份验证。