生物识别技术（Biometric Identification Technology）是指利用人的生理特征所具有的独特性、稳定性、安全性，对个人的身份进行识别并且确认的一种高科技手段。人脸识别技术是生物识别技术中的一个研究分支。基于人脸特征的识别技术是目前生物识别技术领域中研究热度最高的识别方法。该技术借助摄像机等采集设备获取含人脸的动态视频或静态图像，利用计算机科学技术分析面部图像，完成人脸的检测与识别工作，实现对人脸、个体跟踪或身份定认的目标。人脸识别是一门复杂的技术，它涉及到数字图像处理、几何学、微积分学、线性代数、计算智能等多学科的融合与交叉。该课题具有一定的理论研究和实际应用价值，本文针对人脸识别这一研究热点，对一个完整的人脸识别系统中关键技术进行了深入研究，提出了一套基于离散余弦变换（DCT）与线性判别分析（LDA）融合的人脸识别系统。具体研究内容如下：在训练阶段和实际应用阶段，要对获取的人脸图像进行光照预处理，目的是尽最大努力去除光照不均、噪声等干扰因素，得到面部特征清晰的新人脸图像。针对这一问题，本文第2章研究了三种光照归一化方法，即基于直方图均衡化的预处理方法、基于Gamma灰度校正的预处理方法和基于对数域离散余弦变换(Log-DCT)的预处理方法。经过测试和比较分析，最终选择效果最佳的基于对数域离散余弦变换(Log-DCT)的预处理方法，应用于本文提出的系统中。在进行人脸识别之前，首先要进行人脸检测，人脸检测算法的效果也是影响人脸识别系统有效性的关键因素之一。尽管我们默认获取到的图像是含人脸的图像，但是，考虑到实际应用时，就体现出检测环节的必要性，因为它可以帮助我们否定掉非人脸的图像。本文在第3章详细地研究了基于SIFT和Adaboost的人脸检测算法，并使用人脸识别公开测试集对算法进行了测试，验证了该算法的有效性，并将该算法用于本文提出的系统中。在人脸识别方面，本论文的工作量主要集中在几种基于子空间的人脸识别方法上。在第4章，首先描述了四种常用的基于子空间的人脸识别算法。主要包括主成分分析法（PCA）、独立成分分析法（ICA）和线性判别分析法（LDA）及常被用于处理图像信号和语音的离散余弦变换法（DCT）。在此基础上，提出了三种合理的融合算法，综合考虑算法的实际效应，将章节中提出的DCT+LDA方法应用于本文提出的系统中。在论文的第5章，详细地描述了基于DCT和LDA融合方法下的人脸识别系统的设计与实现。分别使用图片测试库和实时视频对本文提出的系统进行测试。测试结果证明了本文设计的系统基本上能满足实时处理的工程要求。