人脸识别是计算机视觉和图像模式识别领域的一个重要技术，是该领域非常活跃的研究课题。它是基于人的脸部特征信息进行身份识别的一种生物识别技术，与其他生物特征相比，具有直接、友好、方便的优点，用户易于接受。但由于人脸图像的特殊性，要使这项技术完全成熟并能够应用到实际当中，还有很多工作需要去作，因此人脸识别研究富有挑战性，一直是模式识别领域的研究热点。人脸识别过程主要可以分为人脸检测、特征提取以及分类识别三个部分，而人脸图像的特征提取和分类识别是其中的的关键问题，本文的研究重点就是这两部分。　　 本文首先综述了人脸识别技术的研究背景和发展现状，对人脸识别的步骤、人脸特征提取及识别的主要方法进行了概述，重点分析了各算法的优缺点。其次，针对人脸图像的特征提取，在重点分析了主成分分析(PCA)方法的基础上，研究了小波变换理论及其在人脸识别中的应用。通过小波对图像进行分解，可以减少不同方向子图的分辨率，减少计算量，另外人脸图像经过适当层数的小波分解，还能加快后续处理的速度，并可以在一定程度上提高识别率。本文设计了一种基于小波分析的人脸特征提取方法。接着，针对分类识别，本文在研究了支持向量机(SVM)理论基础上，提出了一种基于小波分析的方向矩阵特征提取和SVM分类识别的人脸识别方法。SVM作为一种机器学习方法，能够较好地解决非线性、高维数等实际问题，是机器学习领域的研究热点，它为人脸识别提供了一条有效的路径。根据所提出的识别方法，设计出了实验流程。首先采用Db2的小波基对人脸图像进行二层小波分解，用网格对子图像进行划分，在各子块上提取方向向量，以子块方差、均值作为特征向量，完成了图像的特征提取，然后采用核函数为径向基核函数(RBF)的SVM进行训练，最后用训练好的支持向量机进行人脸图像的识别分类。最后，本文利用ORL人脸数据库进行实验，基于SVM分类器分别对本文提出的特征提取方法和PCA方法进行测试并进行比较。实验结果表明本文所提出的方法在识别性能方面具有一定的优越性。