人脸识别技术是当今生物识别中重要的研究课题，很多学者和科研机构都在对此进行不懈的研究和探索。人脸识别技术广泛应用于计算机视觉和模式识别领域，有着广阔的应用前景。人脸识别包括人脸检测、人脸特征提取和识别。本文主要研究人脸特征提取和识别技术，对于人脸检测部分介绍了快速Adaboost算法及相关实验。文章对目前的人脸识别技术进行总结，并介绍了非负稀疏编码理论，然后采用一种基于Fisher方法的非负稀疏编码方法实现人脸的特征提取，通过大量对比实验对这种算法进行了验证和分析。本文主要的研究工作如下：(1) 对人脸识别技术进行综述。介绍了人脸识别的基本问题、技术流程、性能评价方法、常用人脸图像库及主要的人脸检测和识别算法。重点介绍了基于Adaboost的人脸检测算法、PCA算法和LDA算法。(2) 介绍非负稀疏编码理论。分别论述了非负稀疏编码的理论根源，基本思想及求解方法。(3) 采用快速Adaboost算法完成人脸图像的检测，分析了Adaboost算法的优势和不足，并完成图像的预处理工作。(4) 分析非负稀疏编码算法的优势和不足，加以改进，提出一种新的特征提取算法——F-NNSC算法。非负稀疏编码能很好的反映人眼的视觉特性，提取的基图像局部性很强，但不能有效利用样本的分类信息。本文在人脸经过非负稀疏编码特征提取后，再次做LDA投影，以此利用样本的分类信息。实验表明：改进后F-NNSC算法比非负稀疏编码(NNSC)算法分类性能要好，识别率比NNSC和LDA算法更高。(5) 本文选用ORL、Yale Face、Feret三种人脸图像库进行实验验证，三种人脸库的实验结果都表明本文算法确实有良好的性能。另外，本文选用了 、 、 三种不同的距度度量方法，研究不同算法经三种距离求得的识别率，分析了三种算法各自最适宜的距离选择方法。最后总结了全文，分析了目前研究工作中需要进一步完善的地方，对今后工作做了展望。