随着社会的发展，各个方面对快速有效的自动身份验证的要求日益迫切。由于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，因此是身份验证的理想依据。这其中，利用人脸特征又是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于为用户接受。 人脸识别是一个涉及面广且又前景广阔的研究课题，近几年来关于人脸识别的研究取得了较大的进展。本文首先介绍了计算机人脸识别技术的研究背景和主要方法，然后提出了一种基于小波变换和人工神经网络的主元分析人脸识别方法。首先对人脸图像进行预处理，消除了光照强度差异的影响，然后用小波变换的方法提取人脸图像的相对稳定的低频子带，并同时达到了对图像向量降维的效果；然后用主元分析法(PCA)提取特征分量，主元分析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。然后用BP人工神经网络进行训练和识别。本算法将PCA优化的特征抽取与神经网络的自适应性相结合，取得了较高的识别率和优良的抗噪声性能。与传统的PCA方法相比，本算法大大降低了运算复杂度，所提取的特征更加反映了人脸之间的差异，提高了识别率和抗噪声性能，实验结果表明本文所提出的算法是准确有效的。