人脸识别是一项极富挑战性的课题。传统方法需要极其繁多的前期工作和识别阶段的诸多限制，因而不论从理论上还是在实际应用中都极为困难。本文把遗传算法应用于人脸识别的分割、定位和角度矫正三个环节，并建立了相应的数学模型。 具体做法是用二进制数串作为染色体，表示某个分割阈值。遗传算法中的选择算子采用“精英选择”策略，即每一代种群都将上一代中最优染色体保留下来；杂交阶段，从父代和子代染色体中选取最优的两条染色体作为杂交后代；变异算子与传统的取反变异不同，需两条染色体参与，通过逻辑运算，使得种群中同一基因位上的基因不会出现全0或全1的情况，从而最大限度地避免了早熟收敛。本文还添加了一种“倒位算子”，即在一条染色体上随机选择两点构成一个子串，首尾倒置形成新子串替代原子串在个体中的位置。 本文对于提出的遗传算法，给出了遗传算子的数学描述，建立了精确的马尔可夫链模型，并在此基础上给出了遗传算法全局收敛性的证明。 通过仿真实验表明，本文提出的遗传算法与标准遗传算法相比，收敛速度和得到的最优值都有了极大的提高，使人脸识别各个环节避免了繁重的工作，提高了识别的质量和速度。