主成分分析(PCA)可以提取主要人脸图像特征,这可以减少特征尺寸并提取最大程度地表示原始信息的特征信息。然而,当面部图像受到光的非线性因素,表情和噪声的影响时,应用于面部识别的PCA统计方法的识别率较低。因此,本文提出了一种基于小波和PCA(FRWP)的人脸识别方法。一方面,小波变换用于预处理原始面部图像。另一方面,PCA用于提取面部图像的主要成分特征。最后,PCA提取的特征由RBF-SVM进行学习和分类完成人脸识别。FRWP的面部识别实验在ORL和YALE面部图像数据库中进行。首先,通过PCA和RBF-SVM实验获得最佳PCA特征能量比。其次,在最优PCA特征能量比条件下,当训练样本数不同时,进行FRWP与基于PCA和SVM的传统人脸识别方法的对比实验。实验结果表明,本文提出的方法具有稳定性和高识别率优于基于PCA和SVM的面部识别方法。