随着社会的快速发展,身份鉴别逐渐成为人们生活中不可或缺的一部分,因而人们对身份鉴别的准确性、安全性、可靠性等都提出了非常高的要求。人类所特有的生理特征(指纹、人脸、虹膜等)因其先天的个体差异性为身份鉴别提供了可能,使生物特征识别技术受到了人们的普遍重视,人脸是人与人之间差别最直观的描述,并且人脸采集具有非侵犯性,因此人脸识别成为生物特征识别中非常热门的一个研究课题。鉴于人脸识别在现实生活中的重要性,本文将对人脸识别进行系统的研究。人脸识别的主要内容包括：人脸检测和人脸识别。人脸检测作为人脸识别的基础部分,对人脸识别至关重要,但就目前人脸检测的现状来看,现有算法仍然存在种种弊端,例如退化现象等,因此对人脸检测问题的深入研究是非常必要的,人脸识别作为人脸检测的一个应用方向,它只有满足很强的实用性才能被广泛采用,然而,影响人脸识别率的因素很多,现有系统的鲁棒性都很差,人脸识别准确率还有待进一步的提高。本文在详细阅读人脸检测及人脸识别大量文献和完成相关实验后,总结了当前人脸检测及识别所面临的主要问题,紧紧围绕解决这些问题开展本文工作,具体研究内容及创新点如下几个方面：(1)认真分析了当前人脸检测及识别的研究现状,通过实验对现有的人脸检测和识别算法进行了对比研究,确定了本文的研究方向和拟解决的关键问题。(2)详细介绍了fast-AdaBoost算法的内容,积分图的概念,矩形特征值的计算,并针对现有Haar特征存在的不足,改进并完善了矩形特征的类型,重点研究了fast-AdaBoost算法训练弱分类器的原理,给出了与AdaBoost算法训练弱分类器的区别,设计了fast-AdaBoost算法的流程图,并在MATLAB平台下对算法进行了编程。(3)总结了fast-AdaBoost算法存在的问题,通过引入LAC理论来解决样本权重的退化现象,提出了基于LAC动态样本权重更新的人脸检测算法,设计并训练了串级人脸检测器,同时给出了图像中人脸搜索的具体方法,实验结果表明本文改进的人脸检测算法具有较高的检测准确率。(4)最后,本文学习了基于PCA人脸识别算法的原理,并在ORL人脸数据库上进行了相关的人脸识别实验,设计了即兼顾静态人脸识别又满足实时人脸识别系统的流程图,对实验结果做了分析说明,总结了本文的不足之处,展望了人脸检测及识别未来的发展趋势。