在当今信息化、智能化时代,人们对信息安全的关注日益增加,人脸识别作为一种友好、准确的身份识别技术,成为科研人员的兴趣重点。本文的研究重点是基于子空间的人脸识别方法,并着重于基于独立成分分析的人脸识别方法。较传统的主成分分析方法,独立成分分析更能揭示数据的本质关系,更适合用来特征提取。现行的子空间方法是寻找一组基来表示人脸,典型的如主成分分析方法,依靠二阶统计量来寻找变换矩阵。作为主成分分析的一般性推广,独立成分分析模型能分离出人脸图像中的高阶信息。独立成分的两种结构分别提取人脸的局部和全局特征,但是单一的特征并不能完全的表征人脸。本文的研究工作主要包括以下几个方面:1.本文提出了独立成分的特征融合方法,包括基于串行和并行的特征融合。并给出了两个级别的特征融合:独立“基人脸”的融合和表示系数的融合。通过分析在三个标准人脸库的实验结果,验证了以上融合算法的可行性和有效性。在数据满足非高斯性的条件下,“基人脸”的融合效果整体要优于系数融合。2.本文研究了独立成分分析提取的特征与分类器的整合问题。从识别率和运行时间(计算量)两个方面,对支持向量机、最近邻分类器和马氏距离分类器做了对比。结合实验结果分析了各分类器的优缺点,通过在ORL和YALEB人脸库上实验证明:“基人脸”的特征融合与SVM分类器结合获得了本文最高的识别率。