随着社会的发展,各个方面对快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,因此它已经成为身份验证的理想依据。这其中,利用人脸特征又是最自然直接的手段,相比其他生物特征,它具有直接、友好、方便的特点,易于为用户接受。人脸识别是一个涉及面广且又很有挑战性的研究课题,近年来关于人脸识别的研究取得了较大的进展。而特征提取是人脸识别过程的关键。主成分分析方法是公认的特征提取的经典工具之一,核主成分分析方法作为主成分分析方法的非线性拓展,近些年也被广泛应用于人脸识别中。可是主成分分析和核主成分分析在进行特征提取时将人脸图像的各维特征平等对待,而实际上,人脸的不同特征在识别过程中所起的作用是不相同的,比如眼睛、鼻子、嘴巴这些含有丰富纹理和结构的特征在识别中会比相对平滑和缺少灰度变化的脸颊、额头等部分起的作用要大,因此对每个特征赋予相应的权重,然后再通过主成分分析或核主成分分析方法进行特征提取,将会明显提高人脸识别的效果。本文提出了一种新的加权核主成分分析方法,该方法采用一种高斯分布函数作为加权函数,突出对识别起关键作用的特征,然后与核主成分分析方法相结合来进行人脸识别。我们在标准的ORL人脸图像数据库上对提出的方法进行了实验,结果表明该方法的有效性。在人脸识别方法中,涉及核函数的选择、核函数参数的选择、训练样本的选择、分类器的选择等诸多关键环节.虽然许多学者对这些问题进行了探讨,但是至今没有一种好的方法能够有效的指导如何选择最优的参数,目前大多是在特定的应用领域内,通过实验来指定相应的参数。因此本文通过改变加权函数参数以及核函数参数,得到相关参数的最佳范围,使识别率达到最好。