自动人脸识别系统是当今模式识别、计算机视觉、人工智能等领域的研究热点之一,由于人脸信息可以通过摄像头等非接触的方式获得,因此特别适合作为身份识别认证的依据。在当前科学技术飞速发展的社会,人们迫切需要一种全新的、可靠的、安全的防护系统：这种全新的安全保护系统不仅能够保障人们的财产和生命的安全,而且又不影响人们的正常生活。由于人脸识别能够很好地满足这些要求,因此这项技术获得了非常广泛的实际应用。本文研究的人脸识别算法在特征提取阶段,采用离散小波分解和快速主成分分析法相结合的算法进行特征提取；在分类阶段,采用基于改进的二叉树算法的支持向量机进行分类。通过在MATLAB7.10.0(R2010a)软件上对YALE、ORL人脸库进行仿真训练测试,验证了本系统算法不仅在识别率上有所提高,而且相对于其它算法具有较快的识别速度。本文主要内容如下：(1)由于噪声,光照,位置等一些客观因素成为影响人脸图像识别系统的“瓶颈”问题,通过摄像头采集后的人脸图像需要进行适当的预处理,包括灰度化处理、图像滤波去噪、几何归一化、光照补偿等,这样可以消除客观因素对人脸识别系统的影响。最后本文还介绍了常用的人脸检测算法,通过人脸检测技术可以实时准确的定位出人脸的大致位置。(2)在人脸特征提取阶段,我们研究了一种结合离散小波变换和快速PCA的特征提取算法。因传统PCA算法需将人脸图像从二维矩阵转变为一维向量,这样使维度增大导致样本协方差矩阵(样本总体散布矩阵)S的特征值和特征向量的计算相对复杂。为此,对传统的PCA算法改进得到快速PCA算法。在特征提取阶段,首先采用一阶离散小波分解提取出低频子图,然后用快速PCA算法进行降维提取出主要的特征信息。通过实验测出此算法的特征提取时间,通过对比可以看出此算法的特征提取时间大为缩减。(3)在分类器方面,我们重点研究了支持向量机(SVM)的基本原理,并通过我们构建的二叉树算法将支持向量机(SVM)推广到处理多类别分类。由于支持向量机在解决非线性、小样本及高维识别问题中具有很多独特的优势,因此本文采用基于二叉树算法的SVM作为分类器,在ORL人脸库、YALE人脸库上进行仿真测试,得到较高的识别率。(4)对本文提出的人脸识别算法,我们通过MATLAB软件开发出了一个人脸识别系统的原型。该人脸识别系统在某种程度上满足了人们对安全性的基本要求,因此具有一定的实用价值与广阔的应用前景。