身份验证或识别是目前计算机领域里的一个研究热点，如何可靠、方便地进行身份验证和识别己成为人们日益关心的问题。人脸识别技术早在六七十年代就引起了研究者的强烈兴趣，由于人脸图像采集具有的非接触性和易获取性，使得人脸识别技术的应用非常广泛。但是，由于人脸受到光照、表情、年龄等变化的影响，其识别精度有待进一步提高。因此人脸识别技术直到现在仍然受到广大研究者的关注。　　论文首先介绍了人脸识别技术的研究背景、研究意义以及典型的人脸识别系统，分析了人脸识别过程中的难点，归纳总结了目前人脸识别的主要方法，并对小波变换和人工神经网络理论进行了深入的研究分析，提出了一种基于小波与神经网络的人脸识别方法。　　首先利用小波技术与图像基本处理方法对原始图像进行预处理，接着定位出双眼瞳孔中心的位置并进行人脸标准化，再利用小波变换和非负矩阵分解（NMF）的方法对标准化人脸图像进行特征提取，最后把提取出的人脸特征向量载入 BP神经网络进行训练或匹配。　　另外，构建了一个小规模的人脸库以验证所提方法的有效性，采集了10个不同个体的人脸作为研究图像，每个人采集了7幅人脸图像共70幅，包括了不同位置、不同光照条件下的人脸。同时，为了便于与以往的研究进行对比，本文还采用了Yale人脸库中的人脸图像进行大量试验。　　本文具有以下特点：　　（1）提出了小波、神经网络与非负矩阵分解的人脸识别技术与方法。　　（2）构建了不同条件下小规模人脸库以验证本文的有效性，识别率达到100％。在MATLAB7.1平台上，经实验研究表明，所提出的方法在自建人脸库上的识别率　　为100％，误识率为0％。用耶鲁大学的Yale标准人脸库中的人脸图像进行实验，识别率有一定的提高。此外，本文提出的方法还有简单易行、运行效率高等特点。