人脸识别是生物特征识别技术的一种,它通过计算机分析人脸图像,从中提取有效信息进行身份鉴别,在公安侦查、信用卡识别以及监控系统等方面有着广泛应用,是模式识别和计算机视觉领域最富挑战性的课题之一。本文先对人脸识别研究的人脸识别研究的背景、意义、发展历程及研究现状进行综述,对典型的人脸识别方法分类进行介绍与结与。针对人脸识别过程中的特征提取环节,深入分析和研究了基于Gabor小波特征与主成分分析(PCA)降维相结合的人脸识别算法,发现由于该方法需要计算多尺度、多方向上的Gabor小波特征,因而识别速度慢、效率不高。针对这一不足,本文提出了一种利用Gabor特征但并不直接计算Gabor特征的主成分分析算法。首先构造一个与输入图像无关、可以离线计算的滤波权重矩阵,将Gabor特征信息隐含在其中;然后根据帕塞瓦尔定理对PCA协方差矩阵进行进一步推导,从而在二维频率域上隐式地提取图像Gabor特征并降维;最后应用线性支持向量机(SVM)多分类器进行分类识别。研究表明,与传统方法相比,本文所提频域隐式Gabor-PCA算法的性能更佳。该方法大幅降低了用于表征人脸的特征维数,减小运算量,提高了识别效率。在FERET、ORL、YALE人脸数据库上进行的仿真实验结果显示,相同条件下,本文提出算法的识别速度相较传统算法有非常大的提高,识别的正确率总体上也呈现稳中有升的趋势。