人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一，也是近来研究一个热点问题。到目前为止，己经有很多人脸识别方法被提出、实验甚至投入实际应用从识别率、计算复杂程度和占用资源几个方面可以看出识别方法各有优缺点，如何发挥各种方法的优点，避免缺点，是我们的目标。本文重点贡献如下： 1、提出了一种小波变换和特征脸方法相结合的人脸识别方法。利用小波变换对人脸图像进行分解，然后对低频分量和中频平均分量分别运用特征脸分析构造“特征子空间”，并做空间投影分别求得两个分量的相似度矩阵，最后使用它们的加权矩阵来判决识别。该方法综合利用了特征脸分析高效、准确的优点和小波变换多分辨率、多尺度的特点，合理使用两次加权增加了结果的可信度，实验表明它既能大量减少计算量，又具有更高的识别率。 2、提出了一种基于DCT和神经网络的人脸识别方法，针对人脸图像分别提取整体和局部的DCT系数共同送入多层感知机分类器分类，实验表明该方法具有识别速度快、识别率较高的综合优势。 3、提出了一种ICA和改进BP神经网络相结合的人脸识别方法，采用改进的三层BP网络对：ICA降维后的人脸数据进行分类，提高了人脸的识别率，增强了人脸识别系统的鲁棒性。其中ICA算法采用高效的FastICA算法，改进的BP算法采用动量法和学习率自适应调整相结合的策略，降低了网络对于误差曲面局部细节的敏感性，有效地抑制了网络限于局部极小的几率，提高了算法的收敛速度和可靠性。通过实验证实该方法是一种非常有效的人脸识别方法，特别是对于人脸表情和姿态等因素变化较大的人脸库，识别率提高效果更加明显。