人脸识别技术就是利用计算机分析人脸图像,提取有效的识别信息来辨认身份或者判别待定状态的一门技术。它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识,是当前模式识别和人工智能领域研究的热点之一首先,分析了支持向量机方法(SVM)在人脸识别上的应用。研究了统计学习理论和支持向量机的基本思想理论。分析了几种经典的多分类算法：一对多算法、一对一算法、错误纠止输出编码法和一种隐式分解策略算法；分析了影响其分类效果的因素；比较了几种算法的技术特点,选取OAO作为人脸识别系统的分类算法。然后,分析了两种特征提取算法：以K-L变换为基础的主成分分析算法(PCA)和二维主成分分析算法(2DPCA)。PCA特征提取方法是统计最优的,但,图像矩阵转化为图像向量后维数较高,整个特征抽取过程所耗费的计算量大。2DPCA基于图像矩阵,图像特征提取简单直观,但在图像重建的过程中,需要更多的协同因素和系数。本文提出了一种改进的特征提取算法,即2DPCA-PCA结合算法,进一步实现了降低特征维数,特征提取速度更快,分类效果更好。最后,建立了基于2DPCA-PCA和支持向量机的人脸识别仿真系统。仿真基于ORL人脸库和组合人脸库,比较了PCA联合KNN(最近邻分类器)系统、2DPCA-PCA联合KNN系统、PCA联合SVM系统、2DPCA-PCA联合SVM系统。较之KNN分类器,SVM分类器有较好的泛化性,分类准确率有一定提高；2DPCA-PCA联合SVM人脸识别系统较之其它系统识别速度和识别率方面有一定提高。