人脸识别技术是利用计算机分析人脸图像,从中获取有效识别信息,用来辨认身份的一门技术。与其它生物识别技术相比,人脸识别具有直接、友好、方便、非侵犯性、稳定等优点,因而有着广阔的应用前景。本文针对一些已经存在的人脸识别方法进行改进,推动了人脸识别技术的进一步发展。针对人脸图像维数较大,直接进行处理时计算复杂度较大的问题,本文利用小波分解对人脸图像进行了预处理。取经过小波分解后的低频部分作为预处理后的图像,降低了图像的维数,去除了部分高频噪声,在不影响识别精度的同时降低了训练时的计算复杂度。针对主成分分析方法(PCA)只能消除图像二阶冗余的缺点,本文利用盲信号处理中的高阶数据处理方法——独立成分分析方法进行人脸图像的特征提取,不仅提取了图像的二阶信息,也充分利用了人脸图像的高阶统计特性,提取的特征能更好地揭示人脸图像的本质特征,为进一步分类打好基础。分类识别阶段,由于人脸特征具有小样本、非线性及高维模式等特点,而支持向量机(SVM)在解决这类问题时表现出许多特有的优点,所以,本文将支作持向量机为分类器应用于人脸识别,与简单的距离分类器相比,大大提高了分类效果。最后,本文基于ORL人脸库对各种算法进行了计算机仿真实验,给出了具体的实验数据及结果分析。