随着社会的进步和科技的发展，生物特征的识别应用越来越多。如海关及公安系统等需要提供准确的身份认证，日常生活中，人们的安全、财产、隐私等都需要利用先进的科技手段进行保护。因此如何能够高效、快速，可靠识别生物身份的系统被人们普遍研究。本文对基于主成份分析(Principal ComponentAnalysis，PCA)的人脸识别技术进行了研究，具体的工作如下：首先，论文论述了人脸识别技术的目的和意义。并结合国内外的研究状况和目前存在的不足探讨了人脸识别技术未来的发展趋势和研究方向。并对本文研究工作内容做了简要介绍。其次，在比较目前常见人脸识别技术预处理的各种算法基础上，改进了基于Adaboost算法的人脸检测，详细分析了PCA技术。通过霍特林变换(Karhunen-LoeveTransform，K-L)、线性判别分析(LDA)，在改进PCA算法后将二者结合起来研究了进行特征提取和识别。并用MATLAB编程进行了计算仿真，结果表明：人脸检测在Adaboost算法改进后计算速度明显提高；特征提取和识别在PCA和LDA结合并改进算法后，得到的图像更稳定、精确；该设计在人脸识别方面达到了良好的效果。最后，对研究方法和计算结果进行了分析总结，并对下一步工作进行了展望。