人脸识别作为模式识别中一个重要分支，尤其凭借直观、非接触等特点已成为生物特征识别研究领域一大焦点。随着近几年来国内外广大学者的研究发现，逐渐积累了大量的成熟理论与算法。人们已能够定位并识别出不同人脸，但在一些复杂条件下人脸识别还存在着一些不足。同时，由于计算机性能、存储条件等硬件限制，很多优秀算法在识别时间及精度上还有很大欠缺。本文主要从人脸特征提取算法入手，提出了一种新的人脸特征提取算法，在基于其维数过高计算量过大情况又提出了一种新的降维方法。通过实验证明本文提出的新算法有利于提高识别精度，具有一定理论与实践意义。本文主要研究工作包括以下几方面：1.研究了基于小波特征的提取算法，着重分析了其优缺点，提出一种基于离散小波分解与重组图像及选择加权重小波系数为核心的算法，并把鉴别力量分析理论引入到基于Gabor特征提取算法当中。在图像经二维小波离散分析后引入权重比较思想进行运算，然后对权重值高的人脸特征进行有选择提取，从而不但降低特征维数而且对辨识精度有明显提高。2.Gabor小波凭借其具有优秀的局部性和选择性，极其符合人眼视觉识别过程等一系列优良特性成为人脸识别中一种重要手段，但在具有优良辨识率的前提下，其过高的维数也给现今的运算条件提出了难题。在研究了PCA、2DPCA等主成分分析算法思想及其在人脸特征二次抽取中的应用后，提出了一种新的基于不同小波核的人脸特征分类降维思想，在提高计算效率的前提下对Gabor小波与2DPCA等方法融合上提出了建设性意见。3.对人脸识别部分的分类器进行了研究，选择径向基函数为支持向量机的核函数，对本文所提算法进行实验论证，并与其他算法实验结果进行比较，证明本文提出的算法对提高人脸识别精度确实有效。