现阶段，随着信息科学和智能模式识别技术的发展，人脸识别技术已经从理论阶段逐渐走向实践商业应用阶段。虽然较多的难点问题尚未被攻克(如光照)，但是也得到了突飞猛进的发展，实用型和高效型的人脸识别系统将成为今后的主流研究方向。目前，单一的算法已经远远不能满足人们的需求，而多种算法相结合和三维技术的发展将会使人脸识别技术更加趋向成熟。人脸图像的预处理、特征提取和分类识别是自动人脸识别系统中最为重要的三大步骤，也是各领域学者关注的难点问题。图像的预处理主要包括人脸检测和人脸图像归一化；特征提取的目的主要是为了降低维度，提取出更有利于分类识别的特征；分类识别的主要目的是确认待识别人的身份特征，即运用某种运算将待识别的人脸特征与数据库中人脸特征做相似度比对，相似度最高者即为某人。本文主要研究工作如下：　　(1)针对人脸光照预处理中直方图均衡化、对数变换、传统Retinex算法的不足和缺点，经研究分析对比之后，采用了一种基于传统 Retinex算法的改进型算法。经实验仿真结果表明，该算法可以很好地去除光照影响，改善人脸识别效果。　　(2)针对小波变换中存在的缺点和离散余弦变换的优点，采用了一种基于加权小波变换和离散余弦变换相结合的特征提取算法。实验测试结果表明，该算法无论在识别效率上还是在识别时间上都比只使用小波变换要好得多。　　(3)根据BP神经网络学习训练中遇到的难点问题，进一步深入研究了一种粒子群优化 BP神经网络的人脸识别算法。本文主要以优化网络初始权值和阈值为目的，然后将优化好的权值和阈值映射到网络中进行训练和测试。经实验表明，与传统改进型BP神经网络算法相比，本文所提算法在识别效果和运算时间上都有所改进，也从另一个角度说明了本文所提算法不仅可以很好地挖掘人脸图像信息，而且对光照、姿态变化有一定的鲁棒性。