当今社会，随着计算机与科学技术的迅速发展，信息领域的安全愈加受到大家的重视，而传统身份识别方式的不准确性、可替代性，明显已经大大不能满足当代社会的需求，因此依据生物自身特征来识别身份的各项技术不断涌现。如手掌指纹、人眼的视网膜和虹膜以及行为习惯（笔迹、形态）等，其中人脸识别技术不同于其他生物特征识别技术，具有识别简单方便、特征确定唯一的特点，可以分别从主动和被动两种方式完成识别工作，从而得到了学者们深入的研究以及市场的广泛应用，不言而喻已经成为信息领域颇受关注的生物特征识别技术。
　　本文通过对现有人脸识别技术的研究与分析对比，结合各自的优缺点，确定了使用二维主成分分析(2DPCA)和Gabor小波变换这两种算法，对其特征提取进行了深入的研究，并对这两种算法的主要研究思想、各自的特点以及特征提取的流程、实现情况作了详细的阐述。然后本文对人脸检测算法中的Adaboost算法进行了简单改进，提高了检测的精确度和准确率，并且在特征提取和分类器设计上做了改进，先通过2DPCA提取全局特征来构建一个全局分类器，然后用二维Gabor小波变换提取局部特征，根据空间位置构建多个局部分类器，最后以加权求和的方式进行并行集成，构成最终的整体分类器。最后将该算法在国际通用 ORL人脸库和自建的人脸库中进行了实验仿真。实验结果表明，本文提出的两种算法相结合的人脸识别算法，在不影响人脸识别速度的前提上，其识别率可以达到97％左右，达到了预期的目的。