应用统计学是一门收集、整理、显示和分析数据的科学,其目的是探索数据内在的规律性。随着计算机科学技术的发展,应用统计学的应用范围不断地延伸,并随之出现了许多新的应用领域,其中之一是生物识别技术,而人脸识别是生物识别技术最具代表性的应用领域之一。在当今信息、经济、金融飞速发展的时代,面对无处不在的身份验证要求,便捷、准确的身份识别方式成为人们越来越迫切的需要。人脸识别因其识别准确、不易被盗用、操作简单、隐蔽性好等优点,成为解决身份识别问题最为有效的技术之。本文主要基于应用统计学原理,对生物识别技术之一——人脸识别的算法进行研究。人脸识别需要解决的首要问题是,如何从复杂背景图片中提取出精准的人脸特征表示。在对人脸识别研究现状作了比较深入的了解、分析和研究之后,本文应用统计学中的主成分分析和逻辑回归,设计了基于深度神经网络提取特征和采用逻辑回归方法对提取到的特征进行识别的人脸识别算法,并对所设计的算法进行了仿真,精心地设计了两个实验。实验结果表明,本文设计的人脸识别算法是可行的、有效的、优良的,能够提取精准的人脸特征,特征识别效果具有显著优越性。本文内容包括:第一章,介绍人脸识别的概念、流程、研究现状;第二章,介绍主成分分析和逻辑回归;第三章,介绍深度神经网络;第四章,介绍本文给出的人脸识别算法的设计思想与算法流程;第五章,对本文设计的人脸识别算法进行仿真实验;第六章,对全文进行总结并对未来研究作展望。