人脸识别技术是近年来随着图像处理技术、计算机视觉技术、模式识别技术等的快速进步而出现的崭新生物识别技术，它主要包括人脸检测和人脸识别两方面内容。该技术较于其他生物识别技术具有操作简单、结果直观、隐蔽性好的优越性。因此，人脸识别技术在信息安全、刑事侦破、公共事业等领域具有广阔的应用前景和重要的理论研究价值。本文将人脸图像识别过程重点放在以下三个主要阶段：人脸图像提取的检测环节，人脸特征的提取环节，人脸样本的分类环节。1)在人脸检测环节，采用了基于YCbCr颜色空间的人脸检测算法进行人脸检测。该算法是一种基于特征的人脸检测算法，它不受人脸大小的影响，算法简单易于编程实现。经过实验验证，此算法对不同背景、不同尺寸和不同表情姿态的人脸图像都有较好的检测效果。2)为提高人脸识别概率，本文在空间域和频率域上分别研究了图像人脸特征。在空域方面，应用了基于最优单位正交向量基的主成分分析(PCA)算法，在频域方面，研究了基于小波变换的方向矩阵特征提取(DMFE)算法人脸识别方法。3)为对提取的特征向量进行分类处理以确定当前人脸的身份，本文使用了支持向量机(SUM)分类识别算法。为验证不同算法对识别率的影响，本文随机抽取ORL人脸数据库中40人脸图像，以每人的前5幅作为训练样本，其余作为识别样本。结果表明：小波算法识别率为96.5%，PCA算法识别率为82%。表明在小波处理基础上的SUM对于小样本、高维数、非线性方面的人脸检测与识别具有较好的效果。