人脸识别技术是模式识别和图像处理等学科的一个研究热点。经过几十年的发展，人脸识别技术已经取得了许多成果，但离其完全实用化尚有一段距离。基于此，实用型的人脸识别研究是人脸识别技术的一个重点发展方向。本文通过多数据融合与多方法融合，旨在当前主流人脸识别算法的基础上，研究一套更加实用的，能有效提高人脸识别率的方法。论文的主要研究工作如下：首先，本文研究了经典的PCA与BP神经网络组合成的人脸识别系统，并以ORL人脸库为样本，通过设计算法步骤进行了实验仿真。由仿真结果指出该人脸识别系统识别率不高的缺点。这是因为单靠PCA不能准确有效的提取人脸特征，需要在PCA之前就对图像进行预处理来凸显图像主要特征信息，掩藏次要信息。再次，针对PCA与BP神经网络组成的人脸识别系统的不足，研究了Gabor改进的方案。由实验仿真结果得出Gabor改进的方案能有效提高识别率，但却使最终用于识别的特征信息的维数有所增加，并指出需要进一步提取特征信息。最后，针对Gabor改进系统的不足，研究了粗糙集改进的方案。由仿真的结果表明粗糙集改进的系统能够在不影响识别率的前提下有效约简特征信息。本文研究的结合Gabor小波、PCA降维技术、粗糙集约简以及BP神经网络技术的人脸识别方法，不仅能有效挖掘出人脸图像的局部特征信息，还对光照，姿态与表情都有很好的鲁棒性。经ORL人脸库验证的较高的识别率表明，本文所研究的人脸识别方法是可行并具有实用价值的。