自动人脸识别(AFR)是近年来发展起来的研究热点，其口的是让计算机根据人脸图像分析人物身份。由于涉及模式识别，计算机视觉，智能人机交互，图形学，认知科学等多个学科知识，人脸识别研究复杂而艰巨。虽然目前理想条件下的识别性能能够接受，但是非理想条件下的识别技术还远未成熟，很多关键技术还有待解决，主要包括：(1)作为识别必要前提条件的面部关键特征精确定位问题；(2)人脸特征的完备提取； (3)高精度核心识别算法；本文重点探讨了上述人脸识别中的关键问题，主要工作总结如下： 1.全面地综述了人脸识别技术。详细回顾了人脸识别技术的发展历史以及每个阶段主要的人脸识别算法。从面部特征自动定位、人脸表示模型、分类和识别算法三个角度对人脸识别领域的主要技术方法进行了分类整理。详细介绍了主要的公用人脸图像库、主要的人脸识别研究机构和商用系统，最后，本文讨论了人脸识别领域目前仍然面临的主要技术难题和开放问题。2.研究了特征精确配准问题，对活动模板模型在搜空间与搜索过程上做了一些改进。面部特征精确配准足鲁棒实用的人脸识别系统的基本前提。主动形状模型(ASM)是目前解决该问题的主流方法。本文详尽地分析主动形状模型(ASM)的工作原理，仔细地讨论了它的优缺点，并在此基础上，提出了三点改进：(1)针对经典ASM算法中模型空间构造的不足，在原模型空间的基础上加入了形状变化子空间，提出了最优搜索空间的概念，提高了原模型空间的模型表达能力(2)针对经典ASM算法及其以后的改进算法中没有任何对搜索结果进行评价的现实，提出了一种合理、简便、易行的评价方法，使搜索过程变得不再盲目，搜索结果更符合实际情况。(3)在第二步评价的基础上，针对ASM算法搜索过程中模型搜索和图像纹理搜索相互独立的缺点，提出了一种最优搜索算法，其中使用了反馈策略，使得两种空间的搜索结果互相约束，互相利用，搜索过程变得更加合理，智能。这些改进在一定程度上弥补了ASM算法中模型空间与搜索过程的不足，能够比较精确地定位预定义的面部关键特征。为后续的人脸识别打下了良好的配准基础。 3.近年来，人脸局部特征提取的研究非常活跃，特别是局部二元模式(Local BinaryPatterns，LBP)特征和Gabor小波特的研究，它们因充分考虑基准点像素岗围灰度统计特性而对片状光照变化、旋转等条件具有很强的鲁棒性，多位研究者将其用在人脸识别系统中并取得了很好的效果，然而算法的复杂性或高维性带来了太多的限制。因此，本文将两种算法相结合，提出了Gabor二元码算法，在各种Gabor特征图像之间进行局部二元模式计算，使新的特征因同时具备局部纹理和片状灰度变化信息而对光照、旋转更加鲁棒。更为重要的是，特征维数降低了很多，减少了计算量。实验结果表明：和LBP、Gabor小波以及独立分量等特征相比，本文提出的特征具有一定的优势，尤其在条件较差的情况下优势更加明显。 4.主分量分析算法是人脸识别研究中的一大类算法，对其研究不断深入。近年来，研究者主要集中在二维主分量分析的研究上，有多种相关算法被提出，比较有影响的有二维主分量分析算法(2-dimensional principal component analysis，2DPCA)和双向主分量分析算法(bidirectional PCA，BDPCA)。它们都是通过最大化投影矩阵散度来提取特征进而解决二维数据判别分析的问题，计算结果唯一且算法不具备扩展性。故，本文根据重构误差准则来提取多维数据中各维主分量，提出了广义主分量分析(Generalized Principal Component Analysis，GPCA)的算法，小仅能提取二维主分量，理论上可以提取任意维，另外，算法可根据提取主分量的数目和重构能力来计算主分量，非常灵活。为了测试奉文提出算法的性能，在JAFFE，ORL和FERET三个丰要人脸库上设计了一系列实验，在所有的实验结果中，本文的广义丰分量分析算法都取得了最佳效果。本论文的上述研究内容不但在人脸识别理论层面具有一定的参考价值，更关键的是本文的研究结果对十设计开发鲁棒、实用的AFR系统具有一定的借鉴意义。