随着科学技术的快速发展,社会文化的飞速进步,普通的身份辩别因为具有很多缺陷如易遗失,易破解等已被社会所淘汰。人们迫切需求一种越发安全而且能够可靠辨识身份的技术。生物特征具有独特性、不易丢失和被盗取的特性,能够很大程度上提供身份辨识的需求。而当今PC电子技术和生物技术的进步也使运用生物特征辩别能够得以实现。在生物特征辩别方面,人脸识别具有很多独特的优点,如操作快速简便,识别效果直观,准确率高等,已成为科研人员研究的重点方向。主成分分析(PCA)利用提取高维度的脸部图像的主要元素,使图像降低维度,在低维空间进行图像处理将大大减小困难度。因为它能够很好的处理图像空间维度很高的因素,在脸部辨别方面被人们普及利用。本文研究的就是根据PCA的脸部辨别方法的实现。为了快速有效地提取人脸特征,本文提出了一种改进的PCA算法,并结合伽马变换与小波变换进行图像处理的人脸识别算法。此算法首先将脸部图片完成伽马变化,减弱光照等一系列非线性因子的干扰；接下来将变化完成的脸部图片实现小波分解,用获取的脸部图片低频分量来表示初始脸部图片；最后将获取的脸部低频分量完成PCA的脸部特征提取,运用支持向量机的分类方法进行分类识别,获得最后的识别结果。在ORL脸部数据库上完成测试,并完成算法的FPGA实现,此方法的识别率较一般的PCA方法提升了4.5%。