近年来,计算机视觉领域中的物体识别、形状匹配和模式识别研究越来越被重视。它旨在研发高准确度的面部识别系统,同时还要兼顾鲁棒性和系统运行时间等因素。人脸识别是物体甄别和数字视觉研究中的重要课题之一,这种系统需要实时可靠的稳定性,传统的面部识别系统虽可以实现较高准确率,但其计算成本也非常高。而正确识别和分类面部图像的能力由很多变量决定,最重要的就是特征提取和分类算法。本论文主要基于整体法与局部法相结合的方式对人脸面部进行特征提取识别展开研究,利用粒子群算法对分类器和特征选择进行优化,以提高人脸识别的精度。本文首先论述了人脸识别的研究背景和意义,简要介绍了人脸识别技术中的瓶颈和未来发展趋势。其次对人脸识别的关键问题即预处理方法做了概括,然后再进行图像的特征提取工作,该工作主要利用改进的主成分分析和简化的局部方向图方法对预处理图像进行特征提取。由于人脸图像维数较高且样本数量巨大,因此会导致特征提取的时间成本增加,所以我们使用小波变换以实现快速降维。在特征选择方面主要利用粒子群优化算法,该算法具有高稳定性和强全局搜索性的特点,这样能中和分类器的缺点,对学习能力和收敛速度都有帮助。本文的亮点就是能够在计算成本较小的情况下进行高精度的人脸识别。最后,我们使用ORL,Yale和CK面部数据库进行数据分析,结果得出我们提出的方法与人脸识别常规方法以及流行的神经网络和条形分块方法略有优势性的结论。