人脸自动识别技术就是利用计算机分析人脸图像，从中提取有效的识别信息，用来辨认身份的一门技术。它使用了人体本身所固有的生物特征，是与传统方法完全不同的崭新技术，具有更好的安全性、可靠性和有效性，越来越受到人们的重视。人脸识别主要有三个部分组成：图像预处理，特征提取和分类识别。本文的图像预处理主要采用了直方图修正，并利用小波变换来降低图像的维数。特征提取方面使用PCA方法进行特征提取，最后使用距离分类法进行图像识别。主成分分析(PCA)方法作为最成功的线性鉴别方法之一，目前仍然被广泛应用于人脸等图像识别领域，但传统的PCA方法由于提取的是图像的全局特征，因此受光照条件和人脸表情变化影响比较大，造成识别效果不是太好。经过分析发现，当人脸表情和光照条件变化时，一般仅有部分人脸区域变化明显，而其它部分变化不是太大，甚至没有变化。基于这种情况，本论文提出了分块PCA方法，在对图像进行特征提取前，首先对图像进行划分，然后再对子图像使用PCA方法提取特征向量，在特征提取时根据各个子图像在整个图像中的重要性不同，分别赋予不同的权值，最后构造分类器，进行识别。在使用PCA方法进行特征提取时，由于要先将图像转化为一维向量，这样会使图像的向量维数过高，对以后的特征提取造成困难。在此基础上，本论文进一步提出了分块2DPCA方法，与分块PCA方法不同的是，在对原图像进行划分以后，对子图像使用2DPCA方法进特特征提取，2DPCA方法由于直接利用原图像的二维矩阵构造图像的散布矩阵。使得总体散布矩阵的维数远远低于利用PCA方法得到的协方差矩阵。这样可以很大程度上提高特征提取的速度并降低特征提取的复杂度，进一步提高特征提取的准确性，使得整体识别速度提高并可以在一定程度上提高识别率。最后，在ORL人脸库上进行了实验，验证了改进的PCA算法优于传统的PCA算法。