人脸识别技术是一种重要的生物特征识别技术，因其友好、直接等使用特点已广泛应用于安全、商业等许多领域。人脸识别系统涉及大量数据的比对操作，对于人脸数据库较小的识别系统，识别率和识别速度都有较大提高，基本可以满足实际需求。然而随着数据库规模的不断增大，顺序检索策略显得非常耗时，不利于人脸识别系统的实时应用。因此对数据库进行有效管理和设计以提高检索速度非常必要。本文将聚类分析算法与人脸识别技术结合，根据人脸形状特征对数据库中图像进行聚类预处理，为数据库建立层次结构。首先对图像进行人脸检测，在检测基础上提取人脸形状特征点，利用形状特征对人脸图像进行聚类，从而将图像库划分为若干小类，最后对图像分类结果在人脸识别系统的后续应用进行了验证和分析。本文的主要内容如下：①使用基于AdaBoost的人脸检测算法检测人脸，该算法具有正确率高、速度快等优点，适用于实时检测系统。②使用主动形状模型方法定位人脸形状特征点，提取脸形特征。算法在初始定位和纹理模型两方面进行了改进。提出将人脸检测器的结果作为ASM搜索的初始位置，使用级联ASM进行特征点定位，建立二维纹理模型进行特征点匹配，提高定位精度，并在计算马氏距离过程中修剪协方差矩阵，减少计算时间。③采用ISODATA动态聚类算法对形状特征聚类，改进初始聚类中心值的选取方式，并使用Hausdorff距离衡量两个特征间的相似性。通过实验证明，本文提出的方法能够合理、稳定地将人脸图像分成七类，在人脸识别阶段可以有效减少匹配数据量，缩短检索时间，提高检索速度，适应实时性要求。