人脸识别由于其在公安部门、安全验证系统、信用卡验证、档案管理和人机交互系统等方面的广阔应用背景,已经成为当前模式识别和人工智能领域的一个研究热点。对人脸图像进行有效的特征提取是分类识别的前提和基础。本文在Matlab平台下,对实现人脸识别系统的两大关键技术——人脸特征提取和分类识别技术展开研究。本文首先采用两种图像处理方法对低质图像进行处理,实验表明这两种方法可以有效的对图像进行光线补偿和去除噪声,使低质图像可以被系统处理。随后深入研究了基于主成分分析(PCA)的人脸特征提取方法,针对样本散布矩阵维数过高而导致特征提取时间过长的不足,提出了一种改进的PCA方法,并且用该方法同时实现人脸特征提取和降低维数的目的,得到适合分类器处理的低维特征向量。接下来详细介绍了支持向量机(SVM)理论,采用一对一的投票分类方法将传统SVM两类分类器扩展成多类分类器,并在Matlab中编写了多类分类器的训练和分类程序。最后,在前面的工作基础上设计了一个简单的人脸识别系统,经仿真,该人脸识别系统可以识别出测试样本图像,并分别验证了优化参数、特征维数和每人的训练样本数对系统识别率的影响。