生物特征识别是利用人类特有的生理或行为特征来识别个人身份的技术，它提供了一种高可靠性、高稳定性的身份鉴别途径。人脸识别是目前生物特征识别中最受研究者关注的一个分支，是图像处理、模式识别和计算机视觉领域的研究热点。人脸识别在国家安全、电子商务、罪犯搜索、动态监视识别等领域都有着广泛的应用。 人工神经网络是将生物学原理应用于计算机智能研究的仿生学理论成果，是对人脑或动物神经网络若干基本特征的抽象和模拟。人工神经网络是由大量的简单处理单元广泛地互相连接而形成复杂的网络系统，是一个高度复杂的非线性动力学系统。人工神经网络具有自学习、自适应及鲁棒性强的特点，近年来在模式识别研究中得到广泛的关注。但是，人工神经网络在人脸识别的应用研究中仍然存在着一些亟待解决的问题，本文对其中一些常见的问题进行了深入地分析和研究。针对目前在人脸识别的特征提取、分类识别研究中应用人工神经网络时遇到的相关问题，从理论和方法上探讨并提出了若干创新性的想法和解决方案，给出了算法的实验结果，为人工神经网络在人脸识别中的广泛应用提供了一定的新思路。 在对已有方法深入分析的基础上，本文的主要研究工作集中在以下三个方面：基于自适应主元提取算法的人脸数据模式特征提取，基于BP人工神经网络的数据分类和图像处理中哑元分析与主成分分析的相关性分析。通过对这三个方面的深入研究，本文主要在以下几个方面取得了一定的突破和进展，获得了一定的研究成果。 (1)提出了改进的自适应主元提取算法由于人脸图像为高维数据，在人脸识别过程中常常需要大量的计算以实现对人脸数据的模式分类。主成分分析(Principal Conlponent Analysis，简称PCA)是人脸识别领域常用的数据降维和压缩算法，基于该理论建立的Eigenface方法成为人脸识别领域的经典算法。主成分分析方法通过求取协方差矩阵的特征向量建立投影矩阵，但是算法的计算复杂度高，难以实现高效的数值计算。后来，统计主元分析的思想被运用到递推的人工神经网络中，用于求取特征矢量，但是这种方法只能找到模式数据集的第一个主要分量。在此基础上，研究者提出了自适应主元提取算法(Adaptive Principal Component Extraction，简称APEX)用于模式数据集的特征提取。该算法的人工神经网络模型引入了反馈联结方式，稳定性大大提高，而且如果已知(j-1)个主元，通过自适应地调节前馈加权系数和反馈加权系数，该算法很快能够算出第j个主元。但是APEX算法收敛速度慢，复杂度高。在对自适应主元提取算法的网络结构进行深入分析的基础上，本文提出了一种改进的自适应主元提取算法(Improved Adaptive Principal Component Extraction，简称IAPEX)。新的算法通过改进原有的自适应主元提取算法中前馈网络权值的更新方程，降低算法的计算复杂度。实验结果证明了本文提出的改进自适应主元提取算法的有效性。 (2)提出了基于遗传算法和BP网络相结合的分类算法BP网络是典型的反向传播神经网络，被广泛运用于函数逼近、模式识别、数据压缩等领域。标准的BP算法是一种简单的最速下降静态寻优算法，在修正网络权值时，只是按照当前时刻的负梯度方向进行修正，而没有考虑以前积累的经验。由于BP神经网络算法本身固有的缺陷，在采用标准的BP算法训练时，算法过于依赖初始值，网络收敛速度很慢，而且易于陷入局部极小，如果网络初始值选择不当，可能导致学习过程不收敛。在对BP神经网络进行深入分析的基础上，针对网络训练学习过程的具体特点，本文提出了一种新的分类算法——基于遗传算法和BP网络相结合的分类算法。新的分类算法结合遗传算法的全局搜索能力和BP网络的局部优化能力，首先采用现代优化算法一遗传算法来优化搜索BP网络的初始网络权值，根据网络训练问题的特点设计了合理的遗传算子。然后以遗传算法优化的结果为初始网络权值，采用BP算法在局部范围搜索最优解，提高了算法的收敛速度和求解精度。 (3)在理论上证明了哑元分析与主成分分析之间的包含关系人脸识别的研究中大量应用了多元统计分析的知识和结论，这是由人脸特征的随机性和大样本的统计规律所决定的。采用哑元分析可以删除人脸数据中的冗余信息，主成分分析可用于将现有特征进行线性变换，以保留较少数量的特征，而又不影响或者少影响人脸识别的分类效果，进而达到压缩特征数据维数的目的。本文深入分析了多元统计分析中的哑元分析与主成分分析的基本原理和特点，对二者之间的关系进行了系统的论证，最后得到了主成分分析可以包含哑元分析的指导性结论，并对该结论进行了详细的理论证明。此指导性意见用于人脸识别问题时，我们可以断言：在做了主成分分析之后，无必要再作哑元分析。基于人工神经网络的人脸识别具有很大的研究潜力和应用前景，进一步的研究需要在提高自适应主元提取算法的优化效率，BP神经网络结构的自适应调整等方面做出努力，使得人工神经网络在人脸识别研究中的应用不断完善。