人脸识别是生物特征识别技术的一个重要研究方向,它与传统的身份识别方法完全不同,具有更高的安全性、可靠性和有效性,因此人脸识别已成为模式识别和人工智能领域的研究热点。在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。本文是在主成分分析(PCA)法的基础上做人脸特征提取和识别的算法研究,主要工作是采用遗传算法和克隆选择算法对PCA变换后的特征空间进行优化选取,并在此基础上实现了基于遗传和克隆选择算法的人脸识别。主要研究工作有以下两点：(1)在人脸图像的特征提取上,PCA方法只是简单的选择那些较大特征值所对应的特征矢量,而这些特征矢量组成的特征空间并不一定最有利于分类识别,因此识别效果不够理想。针对主成分分析法对特征空间选取的局限性,本文深入研究了PCA变换与遗传算法相结合的特征提取方法。该方法充分利用了遗传算法的全局寻优能力,对PCA变换得到的特征空间进行优化选取,以构成最有利于分类的特征子空间。实验结果表明：遗传算法与PCA相结合的特征提取方法有效地克服了主成分分析法对特征空间选取的局限性,提高了识别率。(2)针对遗传算法早熟现象和收敛速度慢等缺点,本文提出了一种PCA变换与克隆选择算法相结合的特征提取方法。克隆选择算法以其记忆性、多样性和特异性的优势,在搜索过程中表现出比传统进化算法更为优异的全局寻优性能。将克隆选择算法应用到人脸特征空间的自动选择,并通过识别率验证该思想的可行性。实验结果表明克隆选择算法应用于人脸的特征空间选择能够取得比经典PCA算法更为优异的效果,且其稳定性、降维效果和识别率等性能更优于标准遗传算法。综上所述,遗传和克隆选择算法与PCA相结合的特征提取方法在特征空间选取上具有可信性与正确性,为人脸识别的后续研究奠定了良好的基础。