随着社会的发展,各个方面对快速有效的自动身份验证的要求日益迫切,生物特征识别是一项利用人类特有的生理或行为特征来进行身份识别的技术,它提供了一种高可靠性、高稳定性的身份鉴别途径。而人脸识别是目前生物特征识别中最受人们关注的一个分支,是计算机视觉与模式识别领域非常活跃的一个研究方向,利用人脸特征是最自然直接的手段,相比其他生物特征,它具有直接、友好、方便的特点,易于为用户接受。在公安和安全部门有着广泛的应用,例如搜索罪犯、动态监视、银行密码系统等。人脸识别是一个涉及面广且又前景广阔的研究课题,近几年来关于人脸识别的研究取得了较大的进展。本文首先介绍了计算机人脸识别技术的研究背景和主要方法,提出了一种基于小波变换、支持向量机和否定选择人脸识别方法。然后针对支持向量机学习是一种有导师的学习,引入了聚类算法,把人脸特征聚类的结果来供支持向量机学习。在实际应用中有时标准正面人脸图像很难获得,为此尝试把神经网络和支持向量机结合起来进行多姿态人脸识别,该算法对人脸图像进行预处理,然后用小波变换的方法提取人脸图像的相对稳定的低频子带,并同时达到了对图像向量降维的效果,然后进行离散余弦变换(Discrete Cosine Transform,DCT)提取主要特征分量,所提取出的特征向量保留了原图像空间中的主要分类信息,取得了较高的识别率和优良的抗噪声性能。与传统的PCA 方法相比,本算法大大降低了运算复杂度,实验结果表明本文所提出的算法与其它方法相比具有较高的识别率。