人脸识别是人脸处理系统的关键技术之一，它的任务是从输入图像中确定该图像是否属于在人脸库中，是的话要判断出属于具体哪个人的。近年来，由于计算机技术和数字图像处理技术的不断发展，人脸识别已成为图像处理、模式识别与计算机视觉领域内的一项研究十分活跃的课题。在基于内容的检索、多功能感知、数字视频处理、入口监视、人机智能和机器人视觉等方面有着重要的学术价值和应用前景。　　 本文主要研究基于标准人脸库的人脸识别问题，在分析现有的主要人脸识别算法的基础上，深入研究了相关的人脸识别算法，并进行了大量仿真实验，对仿真结果进行了分析，验证了本文所用方法的有效性。　　 首先，结合人脸识别的基础理论，阐述了人脸识别的理论及分类的关键技术和主要算法，并对各种方法的理论依据、适用条件和范围及优、缺点进行了比较和分析。　　 其次，借助粗糙集很好的处理模糊和不确定性问题的能力和SVM在处理小样本学习问题的优势，研究了一种基于支持向量机和粗糙神经网络来作为人脸分类器。这种网络有结构确定，可解释性好，计算简单等特点。通过仿真实验，证明该方法对小样本具有优势。　　 最后，针对目前的BP神经网络有收敛速度慢和容易陷入局部极小值和RBF必须保持样本的正态分布等的缺点，本文又研究了一种改进的椭球基神经网络，它的结构与RBF网络的结构相同，只是隐层节点采用椭球单元函数，它能形成封闭并且有界的决策区域。实验证明本文提出的椭球单元神经网络比局部作用但是无界的径向基函数神经网络具有更好的收敛性和模式识别的能力。