随着社会的发展、科技的进步，各个方面对快速有效的身份自动验证系统的要求日益迫切。生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此生物特征是身份验证系统的理想依据。例如：指纹身份验证系统、瞳孔身份验证系统、语音验证系统等。相对于以上系统的生物特征，人脸特征又具有直接、友好、方便等特点，并易于被用户所接受。 由于人脸是非刚体，变化较大，因此人脸识别是一个复杂、涉及面广而且应用前景广阔的研究课题。近几年来，国内外掀起了人脸自动识别的研究热潮，并取得了突破性的进展。本文首先研究了人脸自动识别技术的历史与现状及人脸识别的主要方法，然后提出了一种基于小波变换、主成份分析和人工神经网络的人脸识别方法。本文工作包括： 1．对人脸图像的瞳孔进行精确定位、人脸预处理，消除了尺度、角度、光照强度差异的影响。 2．利用小波变换的方法提取人脸图像相对稳定的二次小波低频系数，建立人脸库。 3．对人脸库进行主成份分析，此方法根据人脸图像整体的灰度相关性来提取特征向量，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，并能在均方误差最小的意义上重建原图像。 4．设计、改进BP神经网络。 5．将改进的BP神经网络用于人脸识别，并取得了较好的识别性能。 本算法同传统的方法相比，可以大大降低训练时间和识别时间，并能显著提高识别率。实验证明本文提出的算法是有效的。