人脸识别是计算机视觉、模式识别以及图像处理研究的重要内容和热门课题，也是生物特征识别技术中的一个非常活跃的课题。人脸识别被认为是本世纪最具潜力的身份验证方法，它具有不需要用户过多参与、非接触式的数据采集方式、便于隐藏等诸多优点。随着计算机科学的发展和社会的进步，人脸识别技术在经济、社会安全、军事等领域有着巨大和潜在的应用价值，因此人脸识别方面的研究也正在受到越来越多的重视。 本文首先叙述了几种常用的人脸识别方法，线性鉴别分析 (LinearDiscriminant Analysis，LDA) 方法是其中的一种。LDA直接用于人脸识别会遇到两个问题，一是小样本问题 (Small Sample Size，SSS)，即由于训练样本不足引起矩阵奇异；二是优化准则函数并不直接与识别率相关。为了解决这两个问题，研究者们已经提出了多种基于LDA的人脸识别方法，本文主要讨论 Fisherface、ICA+LDA、DLDA、VDLDA及VDFLDA这五种方法，分析了它们的原理和内在联系，并且对上述几种基于LDA的方法做了理论上的比较。