Gabor变换是一种良好的人脸描述方法,二维Gabor特征比单纯的灰度特征具有更强的鲁棒性。PCA(Principle Component Analysis)方法是数据降维的重要手段,二维PCA方法,避免了从图像矩阵向一维向量的转换,并在人脸识别中获得了满意的效果。针对人脸识别技术中的鲁棒性和实用性问题,提出了2DGabor小波变换和2DPCA相结合的人脸识别方法。本文首先对Gabor小波变换和PCA技术进行了概述,对2DGabor小波变换和2DPCA在人脸识别中的应用做了较全面的介绍,然后,提出了2DGabor小波变换和2DPCA相结合的人脸识别方法。针对人脸识别技术中特征矩阵的高维问题,研究了双向二维PCA与二次二维PCA的特征融合方法,该方法使特征矩阵的维数得到了显著的降低。针对识别速度和识别精度需要进一步提高的问题,探讨了基于动态权值的BP(Back-Propagation)神经网络的集成的识别方法,该方法有效提高了人脸识别系统的识别速度和识别精度。最后,对2DGabor小波变换和2DPCA相结合的人脸识别系统进行了设计与实现。在MATLAB平台上的实验表明,2DGabor小波变换与2DPCA相结合的算法在识别速度和识别精度上优于Gabor小波变换与PCA相结合的算法。