人脸自动识别是目前人工智能领域的一个研究热点,涉及图像处理、机器视觉、模式识别等多个研究领域。它属于生物特征识别技术,是对生物体(研究对象一般特指人)本身的生物特征来区分生物体个体,融合了计算机图像处理技术与生物统计学原理于一体,利用计算机图像处理技术从视频中提取人像特征点,利用生物统计学的原理进行分析建立数学模型,即建立人脸特征模板。利用已经建成的人脸特征模板与被测对象的脸像进行特征分析,根据分析的结果来给出一个相似值以确定是否为同一人。随着现代社会各领域智能化的高速发展,人脸识别技术在安全、金融等领域具有重要的应用前景,已被广泛运用于视频监控、门禁系统、犯罪识别、视屏会议、档案管理、和照片检测等多个领域,具有深刻的理论价值和广泛的应用前景。人脸识别技术的研究内容主要包括人脸检测、人脸的规范化、特征提取、特征匹配等方面的内容。当人脸由于光照、面部表情发生较大变化,或者图像存在部分遮挡或模糊的情况下,其识别准确率会明显的降低,以及在海量数据下算法的速度问题是人脸识别技术亟待解决的难点,故此本文的主要工作如下：1)本课题采用PCA-SIFT算子对人脸进行特征描述。该算法是对基于尺度旋转不变性(SIFT)算法的改进,在保证识别精确度的前提下,利用主元分析法(PCA)进行降维处理,改变了描述子的生成方式,以减少计算的时间,提高算法的实时性。2)提出一种优化的匹配策略,在采用最邻近特征点距离与次邻近特征点距离之比进行初始匹配之后,运用RANSAC算法排除外点,以降低图像的误配率,并节省了匹配所需的时间,进一步提高算法的实时性与准确性。3)基于上述算法构建的人脸识别系统,初步实验结果验证了本文提出的相关技术方法,同时给出目前本课题研究中存在的不足,对下一步要研究的主要问题作了一些展望。