近些年来,人脸识别领域有了很大的进步。本文要做的就是提高人脸识别的正确识别率,为了达到这个目的,从下面几个方面下手:特征提取算法改进,分类器选择,相异度测试公式选择。特征抽取是模式识别中最基本的问题之一,在人脸识别中,抽取有效的鉴别特征是解决问题的关键。主成分分析和Fisher线性鉴别分析都是属于线形投影分析,在特征抽取中最为经典和广泛使用的方法。该文就有关线性投影分析的理论与算法进行了深入的研究。杨健博士提出了2DPCA算法这种特征提取方法,在提取时间和识别率上都比主成分分析有所提高,针对2DPCA算法本文提出了改进的2DPCA算法和LR-2DPCA算法。接着本文提出一个新的人脸识别算法,把人脸图像的每一行看作一个训练样本,然后进行特征提取和分类,取得了不错的识别率。针对二维线性鉴别分析进行了原理分析,提出了改进的2DLDA算法和LR-2DLDA算法。最后本文提出了一种新的人脸识别算法法,直接基于人脸图像的人脸识别算法,就是在人脸识别之前不进行特征提取,即无特征提取的情况下,选择合适的分类器和选择合适的相异度测试公式对测试图像进行分类,经过大量的实验表明这种算法能达到更高的识别率,在识别时间上和2DPCA算法差不多。