人脸识别作为生物特征技术的一个重要分支，在监控、金融、安全等领域有着潜在的广阔应用前景，同时也是模式识别和计算机视觉领域的研究热点。典型的人脸识别系统包括：人脸图像获取、预处理、特征提取、决策分类以及结果输出这五个模块。其中，特征提取是人脸识别研究领域中的核心问题，决定着后续计算的效率和识别的性能。目前，已有基于几何特征矢量的提取方法、基于统计特征矢量的提取方法和基于连接机制特征矢量的提取方法等，其中基于几何特征矢量的提取方法有底层特征分析方法和组群特征分析方法等；基于统计特征矢量的提取方法有线性子空间方法和隐马尔科夫模型等；基于连接机制特征矢量的提取方法有支持向量机方法、神经网络方法和弹性图匹配方法。本文主要工作有以下几点：1.根据计算机人脸识别技术和人脸特征提取的主要方法，将水平集方法用于特征提取，从而进行人脸识别。2.对图像进行预处理，利用PCA对图像进行降维，过滤掉高频信息，对其灰度图像进行拉伸将其整合到相同的强度范围内，降低后续处理算法的复杂度。3.在降维的基础上转化二进制图像并设定阈值，转化前图像的灰度级像素与转化后图像的黑色部分相对应，统计计算其连通分量，从而提取人脸图像的特征。4.用Matlab软件对ORL和Yale人脸库进行试验，结果表明基于水平集方法的人脸图像特征提取，并采用支持向量机分类进行的人脸识别性能较好。