人脸自动识别是近年来模式识别领域的一大研究热点，具有广阔的应用前景。本文以人脸自动检测与识别系统项目为背景，主要目的是在人脸检测的基础上完成人脸识别。 本文首先对人脸识别领域的研究背景、研究意义以及研究内容等基本问题进行综述，对典型的人脸识别方法进行分类介绍和理论分析，并研究了基于线性子空间的人脸识别方法以及常用的特征分类器。其次，本文着重分析了近期出现的区域保留映射(LPP)算法的基本原理和它与主成分分析(PCA)、线性判别分析(LDA)之间的区别与联系。文中指出了LPP算法在特征值选择问题上包含非线性结构而不利于最近邻法分类的缺陷，并综合径向基(RBF)网络分类器可以将非线性可分问题转化为线性可分问题的优势提出了利用LPP子空间和RBF网络分类器相结合进行人脸识别的改进方法。即首先采用LPP算法根据训练集构造人脸子空间，然后将待识别的人脸图片投影到子空间上，最后使用RBF网络进行分类。文中LPP算法采用监督模式，RBF网络的隐层中心采用正交最小平方(OLS)算法进行训练。 实验测试了ORL、Yale-A、Yale-B和Yale-B Extended、Harvard、CMU-PIE以及CAS-PEAL数据库。结果表明，本文提出改进方法的识别率比特征脸、Fisher脸和拉普拉斯脸法有较大提高。