随着社会的进步,科技的发展,以及人们意识形态的改变,安全防范技术越来越受到人们的重视,门禁系统已成为安全防范系统中极为重要的一部分。门禁系统是随着自动识别技术的发展而迅速发展的,RFID技术与生物特征识别技术如今已经成为当代门禁技术的主流。相比其它人体生物特征,利用人脸特征进行身份验证又是最自然、最直接的手段,并且易于为用户所接受。本文是针对嵌入式门禁系统的人脸识别技术而展开研究的,该人脸识别系统包括三个主要环节:人脸检测、特征提取和人脸识别,提出了一种基于小波变换的二维主成分分析的人脸识别算法。主要研究内容包括:首先,本文研究了基于多个分类器级联的人脸检测方法,以实现系统中的人脸定位。该检测方法对光照、姿态、面部表情等变化具有较强的鲁棒性,并且能够有效的判别图像中是否包含人脸。实验结果表明,该方法对人脸图像的检测具有较好的准确性。其次,本文研究了小波变换技术在图像处理方面应用,并利用小波的分解和重构算法对图像进行处理,达到去除噪声、降低维数等作用。最后,特征提取和识别是人脸识别系统的关键部分,其基本任务是从众多特征中提取出最有效的特征。线性鉴别分析作为公认的特征提取的最为重要的工具之一,目前仍然被广泛地应用在图像识别领域。在研究分析了基于PCA算法和基于2DPCA算法的特征提取方法后,本文提出了基于小波变换的2DPCA人脸识别算法以及基于类内平均距离的最近邻距离分类器。该算法在小波变换的基础上,以最大化类间离散度作为准则,采用基于类间散布矩阵的2DPCA算法进行特征提取,并以类内平均距离作为分类器的判断依据,在标准ORL人脸库上对此算法进行了有效性验证。