用计算机对人脸图像进行处理进而实现人脸识别是如今的一个研究热点和难题，前人在人脸识别技术上虽然积累了丰富的成果，但是也遇到了一些困难。例如：有效人脸特征的提取，识别率和识别速率的提高等。因此，人脸识别的研究仍然是非常必要的，具有重要的理论意义、学术意义和应用价值。本文围绕人脸识别问题对人脸特征的有效提取、提高识别率和识别速率进行了探讨和研究，提出了改进方法，取得了较好的效果。本研究主要包括： 对人脸识别所涉及到的理论进行了研究： 提出了以眼睛坐标为依据的角度归一化矫正方法，解决了人脸偏转角度过大的头像难以识别的问题，能够较好地实现头像倾斜矫正问题。 基于小波系数的不同特点，本文提出了一种新的小波特征融合方法，该方法将人脸图像两层小波变换后的垂直高频和水平高频部分分别进行垂直投影和水平投影，将得到的投影序列直接排列在低频向量构造一个新的特征向量。并用KPCA的聚集和降维特性对新获取的特征向量通过核函数映射到高维特征空间后进行经典的主元分析，进一步提取的特征作为SVM支撑向量机的输入用于分类识别。实验证明本文提出的小波特征融合方法能够提高识别率和识别速度。 基于核方法中不同核函数的特性不同，提出了采用具有较强全局性的多项式核函数和具有较强局部性的高斯径向基核函数进行组合，并运用于KPCA方法中，使识别率有进一步的提高。 最后，在以上算法基础上，实现了一个实验性的实时人脸识别系统。