人脸识别一直都是生物识别领域的研究热点，是一种重要的生物特征识别技术，在当今的自动化身份识别中变得越加重要。人脸识别的研究重点是人脸表达，其实质就是特征提取，特征提取一直以来都是人脸识别领域里的一个研究热点问题。人脸的特征提取大致可以分为全局特征和局部特征。由于基于全局特征的人脸表达对于光照、姿态、表情等因素的影响较为敏感，而局部特征反映的是人脸的局部区域，侧重于提取人脸的细节特征，使其能够克服基于全局特征的不足，因此被越来越多的应用到人脸识别中。Gabor小波变换是一种典型的局部特征提取方法，由于在人脸特征提取方面的优越性，使其成为了人脸特征提取的主流方法。本文基于Gabor小波变换特征提取的有效性开展研究，主要工作包括以下三个方面：（1）系统的分析了基于二维Gabor小波变换的实现原理，针对直接采用Gabor小波变换提取得到的特征维数过高的问题，提出了首先对提取得到的特征进行向下采样，然后采用核主成分分析的方法进行降维处理。在分类器的设计中，选择了支持向量机作为分类器。在此基础上提出了一种基于Gabor特征的人脸识别方法。（2）为了考核本文所提算法的有效性，通过在ORL和Yale人脸库上与当前主流人脸识别算法进行仿真测试和对比分析，测试本文算法的有效性。（3）为了进一步考核本文所提算法的实际使用价值，采用MFC+Opencv实现了基于本文算法的人脸识别系统，包括人脸图像的采集、预处理、特征提取以及识别。通过对人脸识别系统的实际测试，验证本文所提算法具有实际使用价值。