当今,随着信息化社会的高度发展,信息安全显示出前所未有的重要性。生物特征识别技术是近年来在全球范围内迅速发展起来的计算机安全技术,它主要利用人体固有的生物特征来进行个人身份识别,具有高可靠性、高稳定性,应用领域十分广泛。作为一种非常重要的生物特征识别技术——人脸识别,具有方便友好、易于接受、不易伪造等优点,因此具有相当高的研究价值与广泛的应用前景。由于人脸特征的可靠性受表情、动作、光照、背景等细微变化的影响,为此,人脸识别技术的研究更多的集中在特征提取算法的研究上,希望在降低人脸图像维数的同时提取稳健可靠的特征,使识别处理更加有效。本文对国内外现有的人脸识别方法进行了深入的研究与比较,在此基础上提出了新的基于有监督流形学习的人脸识别方法。具体来说,本文主要做了以下工作:首先,提出了一种基于全局的人脸识别方法。本方法将类别信息引入到流形学习中,在利用判别分析方法提取特征的过程中,一方面保持了人脸流形的局部几何结构,另一方面加大了嵌入空间的类间间隔,因此有效促进了后续分类。此外,文中给出了一种有效计算投影空间的方法,省去了图像预处理中的缩小图像分辨率和主成分分析预投影过程,避免了图像信息的丢失。其次,提出了一种新的基于分块的人脸识别方法。这是首次将有监督流形学习方法应用到基于分块的人脸识别技术当中,相比已有方法取得了较好的识别效果。以上本文提出的两种人脸识别方法均通过大量实验验证了其可行性和有效性。